KESÄSATEIDEN ILMASTOLLISET PIIRTEET HELSINGIN KAISANIEMESSÄ

Koko: px
Aloita esitys sivulta:

Download "KESÄSATEIDEN ILMASTOLLISET PIIRTEET HELSINGIN KAISANIEMESSÄ"

Transkriptio

1 Pro gradu tutkielma Meteorologia KESÄSATEIDEN ILMASTOLLISET PIIRTEET HELSINGIN KAISANIEMESSÄ Tiina Kilpeläinen Ohjaaja: Heikki Tuomenvirta, Hannu Savijärvi Tarkastajat: Hannu Savijärvi, Heikki Tuomenvirta HELSINGIN YLIOPISTO FYSIKAALISTEN TIETEIDEN LAITOS PL 64 (Gustaf Hällströmin katu 2) Helsingin yliopisto

2 Tiedekunta/Osasto Fakultet/Sektion Faculty Matemaattis-luonnontieteellinen Tekijä Författare Author Tiina Kilpeläinen Työn nimi Arbetets titel Title Laitos Institution Department Fysikaalisten tieteiden laitos Kesäsateiden ilmastolliset piirteet Helsingin Kaisaniemessä Oppiaine Läröämne Subject Meteorologia Työn laji Arbetets art Level Pro gradu Tiivistelmä Referat Abstract Aika Datum Month and year Syyskuu 2006 Sivumäärä Sidoantal Number of pages 75 sivua Tämä työ perustuu vuosina toukokuusta syyskuuhun Helsingin Kaisaniemen mittausasemalla kerättyyn piirtävän sademittarin aineistoon. Työssä esitellään sadantaan vaikuttavia tekijöitä Helsingin Kaisaniemessä ja pohditaan alueen ilmastollista edustavuutta. Työn pääpaino on aineiston laadun arvioinnissa ja Helsingin Kaisaniemen kesäsateiden ilmastollisten piirteiden kuvaamisessa mahdollisimman monipuolisesti. Piirtävän sademittarin digitalisoitu aineisto osoittautui laadultaan hyväksi, ja aineistosta laskettujen vuorokausisadesummien todettiin korreloivan hyvin saman mittausaseman sadekeräysastioiden vuorokausisadesummien kanssa. Sadannan piirteitä voidaan kuvata useilla tilastollisilla jakaumilla. Tässä työssä kahden eksponenttijakauman summa osoittautui parhaiten kuvaamaan sateen ja sateettomien jaksojen kestoja sekä sadetapahtumien sadesummia. Sateen intensiteetin ääriarvot sovitettiin yleistettyyn ääriarvojakaumaan, ja jaksomaksimimenetelmällä rankoille sateille laskettiin toistumisaikoja. Tulokseksi saatiin, että Helsingin Kaisaniemessä sataa kerran 50 vuodessa 1.78 mm/min 10 minuutin ajan, 1.53 mm/min 15 minuutin ajan, 0.95 mm/min 30 minuutin ajan ja 0.52 mm/min 60 minuutin ajan. 56 hetkellisesti rankimmasta sateesta muodostettu sateen teoreettinen ajallinen muoto on lähes symmetrinen rankimman hetken suhteen, mutta yksittäisten rankkojen sateiden ajallisen muodon todettiin vaihtelevan paljon. Tämän työn tulosten perusteella voidaan todeta, että toukokuussa sateet ovat Helsingin Kaisaniemessä intensiteetiltään heikkoja ja pitkäkestoisia. Kesäkuussa konvektiiviset sateet yleistyvät etenkin iltapäivällä. Heinäkuussa ja elokuussa sateet ovat rankkoja ja lyhytkestoisia, ja elokuussa sademäärän sekä intensiteetin vuorokausivaihtelu on suurimmillaan. Syyskuussa sateen osuus kokonaisajasta on kesäkuukausista suurin ja intensiteetin vuorokausivaihtelu on vähäistä. Meri vaikuttaa Helsingin Kaisaniemen sateisiin etenkin alkukesällä. Kaupungin kasvun vaikutuksia ei tuloksista voitu erottaa. Vuosikymmenten välillä esiintyy suuria eroja etenkin sadetapahtumien kestossa ja lukumäärässä, mutta selviä merkkejä ilmastonmuutoksesta ei löytynyt. Helsingin Kaisaniemessä sataa kesällä keskimäärin 4.5 % kokonaisajasta. Yksi sadetapahtuma kestää keskimäärin 60 minuuttia ja sateeton jakso keskimäärin 21 tuntia. Sateen intensiteetti on koko kesän aikana keskimäärin mm/min. Avainsanat Nyckelord Keywords Sadanta, piirtävä sademittari, tilastollinen jakauma, Helsinki Kaisaniemi Säilytyspaikka Förvaringställe Where deposited Kumpulan tiedekirjasto Muita tietoja Övriga uppgifter Additional information

3 SISÄLLYS 1. JOHDANTO SADANNAN TEORIAA JA TUTKIMUKSIA SATEEN INTENSITEETTI JA SADETAPAHTUMAT SADETYYPIT SADEALUEIDEN KOKO JA LIIKE SADANNAN HAVAINNOINTI RANKAT SATEET JA SADE-ENNÄTYKSIÄ SADANNAN ANALYSOINTI TILASTOMATEMAATTISIN MENETELMIN Tilastolliset jakaumat Ääriarvojakaumista toistumisaikoihin AIKAISEMPIA TUTKIMUKSIA Kotimaisia tutkimuksia piirtävillä sademittareilla Ulkomaisia tutkimuksia piirtävillä sademittareilla Vertailu tutkamittauksiin ILMASTO HELSINGIN KAISANIEMESSÄ KAISANIEMEN MITTAUSASEMA ALUEELLINEN EDUSTAVUUS PAIKALLISTEN TEKIJÖIDEN VAIKUTUS SADANTAAN Rannikon vaikutus Kaupunki-ilmasto SADANNAN MITTAUS PIIRTÄVÄ SADEMITTARI KERÄYSASTIAT VIRHEET Sadannan mittaukseen liittyvät virheet Digitalisointi Kokonaisvirhe TUTKIMUSAINEISTO AINEISTON KATTAVUUS SADEMITTARIHAVAINTOJEN VERTAILU SADANNAN ILMASTOLLISET PIIRTEET SADETAPAHTUMIEN MÄÄRÄ SATEEN KESTO Keskimääräinen kesto Keston todennäköisyyksiä ja ennätyksiä SATEETTOMAT JAKSOT Keskimääräinen kesto Keston todennäköisyyksiä ja ennätyksiä SADESUMMA Keskimääräinen sadesumma Todennäköisyyksiä ja ennätyksiä Vuorokausivaihtelu... 48

4 6.5 SATEEN INTENSITEETTI Keskimääräinen intensiteetti Vuorokausivaihtelu Rankkojen sateiden määrä Rankkojen sateiden ajallinen muoto Toistumisajat ILMASTOLLISET PIIRTEET KUUKAUSITTAIN YHTEENVETO KIITOKSET KIRJALLISUUSVIITTEET... 73

5 1. Johdanto Sateen mittaamisella on pitkät perinteet. Tiedetään, että jo 400 ekr. tehtiin Intiassa sadehavaintoja, joita käytettiin verotusperusteena (Mustonen, 1986). Nykyään sadehavainnoilla on edelleen yhteiskunnallista merkitystä esimerkiksi kaupunkisuunnittelussa. Sadannan hetkellinen alueellinen ja ajallinen vaihtelu on satunnaista. Sadannan ilmastollisten piirteiden ja ääri-ilmiöiden tunteminen on silti välttämätöntä monissa hydrologisissa mitoitustehtävissä. Sadannan ilmastollisia piirteitä on useimmiten tilastoitu vuorokauden sadesummiin perustuen (esim. Alalammi, 1987 ja Drebs et al. 2002), mutta sateen vuorokautisesta vaihtelusta, intensiteetistä ja etenkin rankkasateista on Suomessa hyvin vähän tutkimustietoa. Useiden vuosikymmenien ajan on Suomessa muutamilla mittausasemilla mitattu sadantaa myös piirtävillä sademittareilla. Piirtävä sademittari rekisteröi sateen intensiteettiä jatkuvasti, mikä mahdollistaa myös lyhytaikaisten vaihteluiden tutkimisen. Pitkäaikaisesta aineistosta on mahdollista saada edustava kuva mittauspaikan sadannan ilmastollisista piirteistä. Nykyään sadannan tutkimus on yhä enemmän painottunut sadetutkamittauksiin. Sadetutkalla on ylivoimainen ajallinen erotuskyky ja alueellinen kattavuus, mutta pitkäaikaisen ilmaston tutkimukseen ei tutka-aineistoa ole saatavilla. Tämä tutkimus perustuu Helsingin Kaisaniemen piirtävän sademittarin sadehavaintoihin 50 vuoden ajalta. Kaisaniemen mittausasema sijaitsee aivan Helsingin keskustassa. Tutkimuksessa selvitetään sadannan piirteitä alueella, jonka läheisyydessä asuu noin puoli miljoonaa ihmistä. Lähtökohtana tutkimukselle oli selvittää, onko piirtävän sademittarin digitalisoitu aineisto käyttökelpoista sekä laadukasta ja mitä kaikkea aineistosta voidaan saada selville. Kokemuksia voidaan hyödyntää tulevaisuudessa, kun myös muiden sadehavaintoasemien aineistoa muutetaan digitaaliseen muotoon. Helsingin Kaisaniemen sadannan ilmastollisia yleispiirteitä selvitetään tässä työssä mahdollisimman monipuolisesti, ja monia piirteitä pyritään kuvaamaan myös matemaattistilastollisin menetelmin. Tässä työssä esitellään muun muassa sateen keston, sadesumman ja sateen intensiteetin ominaisuuksia ja selvitetään, onko vuosikymmenten aikana tapahtunut muutoksia. Rankkoihin sateisiin paneudutaan selvittämällä erityisesti niiden ajallista muotoa ja toistumisaikoja. Tämä työ tehtiin osana Ilmatieteen laitoksen, Suomen Ympäristökeskuksen 1

6 ja Teknillisen korkeakoulun yhteistä RATU -hanketta, jossa tutkitaan rankkasateita ja taajamatulvia Suomessa. 2. Sadannan teoriaa ja tutkimuksia 2.1 Sateen intensiteetti ja sadetapahtumat Sateen intensiteetillä tarkoitetaan vaakasuoralle pinnalle aikayksikön kuluessa kertyvän veden määrää, toisin sanoen sateen intensiteetti on nestemäisen veden vuo vaakasuoralle pinnalle (Puhakka, 1995). Se voidaan esittää sademäärän aikaderivaattana kaavan 2.1 mukaisesti. dr I = (2.1) dt Intensiteetti on hetkellinen suure, mutta useimmiten se määritellään tietyn aikavälin keskimääräisenä intensiteettinä. Sateen intensiteetin yksikkönä käytetään usein mm/min tai mm/h, jolloin intensiteetillä tarkoitetaan vaakasuoralle pinnalle kertyvän vesikerroksen paksuutta aikayksikköä kohden. Vaihtoehtoisina yksikköinä voidaan käyttää myös esimerkiksi l m -2 h -1 tai g m -2 s -1. Monilla mittausasemilla sademäärää mitataan kerran vuorokaudessa, ja silloin yksikkönä käytetään mm/vrk. Sateen intensiteetti riippuu pisaroiden kokojakaumasta sekä pisaroiden putoamisnopeudesta, ja intensiteetin ajallinen sekä paikallinen vaihtelu on suurta. Suomen olosuhteissa sateen intensiteetin suuruusluokka on välillä mm/min. Sadetapahtumaksi määritellään yhtäjaksoinen sadanta, joka tulee vaakasuoralle pinnalle. Sadetapahtumaa edeltää ja seuraa sateeton jakso, joka voi olla kestoltaan muutamasta minuutista useisiin viikkoihin. Jokaisella sadetapahtumalla on kesto, joka vaihtelee suuresti sadetapahtumasta toiseen. Sadetapahtuman keston aikana kertynyttä vesikerroksen paksuutta kutsutaan sadetapahtuman sadesummaksi, ja se ilmaistaan usein yksikössä mm. Tässä tutkimuksessa sateeksi on määritelty intensiteetiltään vähintään mm/min sade, jossa sadetapahtuman sadesummaksi kertyy vähintään 0.1 mm. Erillisten sadetapahtumien aikarajana on käytetty vähintään 5 minuutin sateetonta jaksoa. Määritelmät perustuvat käytetyn mittalaitteen tarkkuuteen. Yhteneväisyyden vuoksi kaikki intensiteetit on tässä työssä ilmaistu yksikössä mm/min. Kaikki kellonajat on esitetty paikallisessa ajassa. 2

7 2.2 Sadetyypit Ilmakehän dynamiikan näkökulmasta sade on lähes aina seurausta vesihöyrypitoisen ilman nousevasta liikkeestä. Pystyliike säätelee sateen kolmiulotteista jakaumaa, kestoa ja intensiteettiä. Pystyliike, ja sen seurauksena myös sade, liittyvät oleellisesti kolmeen epävakaisuusmekanismiin, jotka ovat hydrostaattinen ehdollinen epävakaisuus, symmetrinen epävakaisuus ja barokliininen epävakaisuus (Puhakka, 1995). Nousevan liikkeen aiheuttajan perusteella voidaan sade jakaa kolmeen perustyyppiin: 1. Laaja-alainen rintamasade 2. Konvektiivinen kuurosade 3. Orografinen sade Laaja-alainen rintamasade syntyy barokliinisen epävakaisuuden seurauksena. Syntyneiden barokliinisten häiriöiden nousevan liikkeen alueet ovat suuruusluokaltaan synoptisia. Barokliinisen epävakaisuuden aiheuttamien rintamien yhteydessä ilma joutuu pakotettuun liikkeeseen pitkin kaltevaa rintamapintaa. Lämpimässä rintamassa nousuliike on hidasta, ja sade on laaja-alaista sekä suhteellisen tasaista. Kylmään rintamaan liittyvä sade on lämpimän rintaman sateeseen verrattuna rankempaa, alueellisesti suppeampaa ja lyhytkestoisempaa. Synoptista suuruusluokkaa pienempiä mutta konvektiivisten häiriöiden suuruusluokkaa suurempia häiriöitä syntyy symmetrisen epävakaisuuden seurauksena. Symmetrisen epävakaisuuden oletetaan olevan merkittävin laaja-alaisen barokliinisen sadealueen yksityiskohtia muokkaava tekijä (Puhakka, 1995). Konvektiivinen kuurosade on ehdollisen hydrostaattisen epävakaisuuden synnyttämää. Maanpinnan lähellä oleva lämmennyt ilma kohoaa ylöspäin ja jäähtyy kuiva-adiabaattisesti. Lopulta tiivistymisen kautta seuraa sadetta. Konvektiivinen nousuvirtaus on nopeaa, ja konvektiivinen kuurosade on suhteellisen rankkaa. Koska konvektiopilvet ovat horisontaalisessa suunnassa suhteellisen pieniä, on sade alueellisesti suppea-alaista ja lyhytkestoista. Konvektiivisissa sateissa on suuria eroja sateen partikkelijakaumissa ja intensiteeteissä pilven eri osien välillä (Puhakka, 1995). Orografinen sade on poikkeus, koska se ei liity oleellisesti epävakaisuuden vapautumiseen ilmakehässä. Orografinen sade syntyy, kun liikkuva ilmamassa joutuu pakotettuun 3

8 nousuliikkeeseen maastoesteen vuoksi. Suomessa korkeuserot ovat pieniä, joten orografisia sateita ei suoranaisesti esiinny, mutta pienikin maaston nousu voi vaikuttaa sateen alueelliseen jakaumaan. 2.3 Sadealueiden koko ja liike Sadanta vaihtelee suuresti sekä ajallisesti että paikallisesti, siten että jo alle kilometrin etäisyydellä ja minuutin ajassa voi sadannassa esiintyä suuria vaihteluita. Sadealueiden laajuus ja kesto riippuvat sateen syntytavasta kuten luvussa 2.2 todettiin. Koistinen (1985) selvitti Helsingissä vuosina tehtyjen tutkahavaintojen perusteella sadelaikkujen keskimääräistä kokoa. Rintamiin liittyvät sadealueet olivat pinta-alaltaan keskimäärin km 2. Kylmän ilmamassan sadekuurojen keskimääräinen pinta-ala oli 56 km 2 ja lämpimän ilmamassan sadekuurojen keskimääräinen pinta-ala oli 25 km 2. Kaurola et al. (1989) esittivät, että Helsinkiä ympäröivällä 250 kilometrin säteellä rintamien vaikutusaika on kesällä tuntia. Yksittäisessä mittauspisteessä rintama vaikuttaa huomattavasti lyhyemmän aikaa. Rintaman liikkeen keskimääräiseksi nopeudeksi Helsingin lähialueilla on arvioitu noin 8 m/s. Austin ja Houze (1972) tutkivat konvektiivisten sadesolujen kokoa New Englandin alueella Yhdysvalloissa ja saivat tulokseksi 2 30 km 2. Jos konvektiivisten sadesolujen oletetaan olevan muodoltaan pyöreitä, ovat ne siten halkaisijaltaan muutaman kilometrin mittaisia. Konvektiivisen sadesolun eliniän on arvioitu olevan noin minuuttia (Hobbs ja Locatelli, 1978). Sadesolu liikkuu elinaikanaan arviolta 6 26 km ennen kun se häviää (Niemczynowicz 1991). Sadesolujen liikettä on tutkittu useissa tutkimuksissa. Hobbs ja Locatelli (1978) esittivät, että sadesolun liikenopeus on 2 25 m/s. Niemczynowiczin (1991) mukaan konvektiivisten sadesolujen liikenopeus ja etenkin liikesuunta korreloivat hyvin 600 hpa:n tuulen nopeuden ja suunnan kanssa. Niemczynowicz esitti Ruotsin Lundissa tehtyjen mittausten perusteella, että konvektiivisten sadesolujen keskimääräinen etenemisnopeus on 10 m/s. Yhden sadesolun kulkemiseen mittauspisteen ylitse 10 m/s nopeudella kuluu noin 3 10 minuuttia. 2.4 Sadannan havainnointi Sadantaa voidaan havainnoida kahdesta eri näkökulmasta, jotka on esitetty kuvassa 2.1. Kuvassa vasemmalla on havainnollistettu staattinen näkökulma, jota usein kutsutaan 4

9 Eulerian-perspektiiviksi. Kuvassa oikealla on havainnollistettu dynaaminen näkökulma, jota kutsutaan myös Lagrange-perspektiiviksi. Lagrange-perspektiivissä havaitsija seuraa liikkuvaa sadesolua sen reitillä. Lagrange-perspektiivissä sadesolulla on havaittava suunta ja nopeus, ja näkökulmasta voidaan havainnoida myös sadesolun kehitystä sekä heikkenemistä ajan funktiona (Niemczynowicz, 1991). Lagrange-lähestymistapaa oli lähes mahdotonta soveltaa ennen säätutkan olemassaoloa, mutta nykyään säätutkan avulla voidaan sadejärjestelmää seurata liikkuvassa koordinaatistossa. Eulerian-perspektiiviä on perinteisesti käytetty sadannan mittauksessa. Pistearvoa mitattaessa Eulerian-perspektiivissä sademittari on kiinteästi sijoitettu yhteen mittauspisteeseen, ja sadejärjestelmät liikkuvat mittauspisteen ylitse. Keräysastialla tai rekisteröivällä sademittarilla saadaan selville sateen ajallinen vaihtelu tietyssä mittauspisteessä. Sademittarin aikasarjaan vaikuttavat sadejärjestelmän koko, kehitysvaiheet, paikallinen vaihtelu, liikenopeus ja liikesuunta. Näitä vaikutuksia on mahdotonta erotella Eulerian-perspektiivissä, joten yhden mittauspisteen havainnoista ei voida tehdä yksiselitteisiä päätelmiä sadejärjestelmän rakenteesta. Pieni hitaasti liikkuva sadesolu voi Eulerian-perspektiivin mittauksissa saada aikaan samanlaisen mittaustuloksen kuin nopeasti liikkuva laaja-alainen sadealue. Sadejärjestelmät voivat myös ylittää mittauspisteen joko vain sivuten tai suoraan mittauspisteen ylitse, mikä vaikuttaa havaittuun sadantaan. Sadannan ajallista vaihtelua mittauspisteessä kuvataan usein hyetograafilla, jossa vaaka-akselilla on aika ja pystyakselilla on sateen intensiteetti. Sateen muoto, eli jakauman muoto hyetograafilla, vaihtelee suuresti sadetapahtumasta toiseen. Kuva 2.1 Sadannan aikasarja vasemmalla Eulerian-perspektiivissä (pistemittaus) ja oikealla Lagrange-perpektiivissä (liikkuva mittaus) (Niemczynowicz, 1991). 5

10 2.5 Rankat sateet ja sade-ennätyksiä Intensiteetiltään voimakkaita sadekuuroja kehittyy, kun koko troposfääri on epävakaa. Runsas sade lyhyessä ajassa aiheuttaa usein tulvimista etenkin taajamissa, koska vesi ei pääse imeytymään ja kulkeutumaan luonnollisesti. Rankimmat sateet ajoittuvat kesään, jolloin ilma on lämmintä ja se voi sisältää paljon kosteutta (Liljequist, 1962). Suotuisissa olosuhteissa voi pilviin sitoutua suuria vesimääriä, jotka satavat maahan suurina pisaroina lyhyen ajan kuluessa. Simojoen (1944) tutkimuksessa esitettiin jo 1920-luvulla määritetyt intensiteettirajat sateen rankkuudelle. Myös Rantakrans (1967) määritteli sateen rankkuuden intensiteettirajat. Rantakransin määritelmässä rajat rankalle sateelle ovat Simojoen esittämiä rajoja selvästi alhaisemmat. Molemmissa raja-arvoasteikoissa sateen rankkuus riippuu oleellisesti kestoajasta, siten että pidemmillä kestoajoilla rankoiksi määriteltyjen sateiden keskimääräinen intensiteetti on selvästi pienempi. Rantakransin rankan sateen määritelmä, jota sovelletaan vielä nykyäänkin Ilmatieteen laitoksella, on esitetty taulukossa 2.1. Määritelmän raja-arvot rankaksi luokiteltavalle sateelle soveltuvat Suomen etelä- ja keskiosan sateisiin. Raja-arvot on pyritty asettamaan siten, että vuosittain tietyssä mittauspisteessä esiintyisi rankkasade ainakin yhden kerran. Rankkojen sateiden tutkimukseen liittyy oleellisesti myös toistumisajan käsite, jota käsitellään tarkemmin luvussa Taulukko 2.1 Raja-arvot rankalle sateelle keston mukaan (Rantakrans, 1967). kesto sadesumma [mm] kesto sadesumma [mm] kesto sadesumma [mm] 5 min h 8 14 h min h 9 15 h min h h 15 20min 5 5 h h min h h min h h min h h min h h min h h min h h min h h h 7 13 h

11 Yli 100 mm suuruiset vuorokausisademäärät ovat Suomen ilmasto-oloissa hyvin harvinaisia. Suomen vuorokausisademäärän ennätys, 198 mm, mitattiin Espoon Lahnuksessa 21. heinäkuuta Helsingin Kaisaniemen mittausaseman suurin vuorokausisademäärä, 79.3 mm, mitattiin 24. heinäkuuta vuonna Suomen rankin sade vuorokaudessa ja sitä lyhyemmässä ajassa on noin 10 prosenttia maailman rankimmista arvoista. Hetkellisten intensiteettien ennätyksiä ei ole Suomessa koottu. Ruotsissa Tukholman alueella 56 vuoden aikana (ajanjaksolla ) suurin mitattu 10 minuutin keski-intensiteetti oli 2.77 mm/min, 15 minuutin keski-intensiteetti 1.88 mm/min, 30 minuutin keski-intensiteetti 1.26 mm/min ja 60 minuutin keski-intensiteetti 0.92 mm/min (Modén ja Nyberg, 1965). 2.6 Sadannan analysointi tilastomatemaattisin menetelmin Tilastolliset jakaumat Sadanta on stokastinen prosessi, ja sadetapahtumat esiintyvät hyvin epäsäännöllisesti. Myös sadetapahtuman kesto ja rankkuus ovat satunnaismuuttujia. Sadantaa voidaan kuvata kuitenkin tilastollisilla jakaumilla, jotka Mustosen (1986) mukaan voidaan jakaa seuraaviin tyyppeihin: 1. Sadetapahtumien esiintymistiheyden jakauma 2. Sadetapahtumien kestoaikojen jakauma 3. Sateettomien jaksojen kestoaikojen jakauma 4. Sademäärien jakauma Mustosen määrittelemien jakaumien lisäksi myös sateen intensiteetin todennäköisyysjakauma liittyy oleellisesti sadannan tilastolliseen kuvaamiseen. Poisson-jakaumaa pidetään sopivana kuvaamaan satunnaisia tapahtumia, kuten sadetapahtumien esiintymistä (Tattelman ja Knight, 1988). Sadetapahtumien esiintymistä kuvaava tiheysfunktio voidaan esittää kaavan 2.2 mukaisesti (Mustonen, 1986): missä = 0,1,2,... n, ( n) p t ( n) ( kt) n kt e = (2.2) n! p t on todennäköisyys, että n tapahtumaa alkaa aikavälillä [0, t] ja k on jakauman parametri. Poisson-jakaumasta seuraa, että sekä sadetapahtumien esiintymisen odotusarvo että varianssi ovat kt. 7

12 Peräkkäisten sadetapahtumien alkamishetkien välinen aika T on todettu eksponentiaalisesti jakautuneeksi, ja sitä kuvaa kaavan 2.3 tiheysfunktio (Mustonen, 1986): f T kta ( t ) ke a = (2.3) missä t a on alkamisajankohta ja k on jakauman parametri. Eksponenttijakaumasta seuraa, että alkamishetkien välisen ajan T odotusarvo on 1/k ja varianssi 1/k 2. Koska T on sateen kestoajan t s ja sitä seuraavan sateettoman jakson kestoajan t k summa, ovat myös sateen kestoaika ja sateettoman jakson kestoaika jakautuneet eksponentiaalisesti, ja niitä voidaan kuvata kaavan 2.3 funktiolla käyttämällä t a :n sijasta t s :ta tai t k :ta. Yksittäisten sadetapahtumien sademäärien p on todettu noudattavan tyydyttävästi gammajakaumaa erilaisissa ilmasto-oloissa, ja jakauman tiheysfunktio voidaan esittää kaavan 2.4 mukaisesti (Mustonen, 1986): f p ( p) l = s 1 ( lp) Γ() s e lp (2.4) missä l sekä s ovat jakauman parametrit ja Γ ( s) on gammafunktio. Sademäärien odotusarvo on s/l ja s/l 2. Sateen intensiteetin todennäköisyysjakaumaa kuvataan usein lognormaalijakaumalla. Sateen intensiteetin kasvaessa pienenee esiintymistodennäköisyys voimakkaasti. Lognormaalijakauman on todettu sopivan melko huonosti yhteen havaitun jakauman kanssa suurilla intensiteeteillä (Kedem et al., 1994). Kun muuttujan x, esimerkiksi sateen intensiteetin, luonnolliset logaritmit ovat normaalisti jakautuneet parametrein µ n, σ n ~ N( µ n, σ n ) voidaan lognormaalijakauman tiheysfunktio esittää kaavan 2.5 mukaisesti (Mustonen, 1986). exp 2π ( ln x µ ) 2 1 n f ( x) = 2 µ nσ n 2σ n (2.5) Ääriarvojakaumista toistumisaikoihin Kun satunnaismuuttujan aikasarjasta poimitaan suurin (tai pienin) arvo jokaiselta määrätyltä aikaväliltä, muodostuu ääriarvomuuttujia. Maksimiarvon poimintaa voidaan kuvata kaavalla 2.6: 8

13 missä x,..., ( x, x,..., ) max 2 1 x T (2.6) 1, x2 xt kuvaa havaintoaineistoa (Katz et al., 2005). Tätä menetelmää kutsutaan usein jaksomaksimimenetelmäksi (englanniksi Block maxima). Tilastomatematiikassa on johdettu useita ääriarvomuuttujia kuvaavia jakaumia. Ääriarvojakauman arvojen oletetaan yleensä olevan riippumattomia ja yhtäläisesti jakautuneita. Ääriarvojen on todettu noudattavan yleistä ääriarvojakaumaa (GEV-jakauma). Jakauma voidaan kuvata kaavan 2.7 mukaisesti (Katz et al., 2005): F ( x; µ, σ, ξ ) exp = 1 + ξ exp { [ 1+ ξ ( x µ )/ σ ] 1/ ξ}, ( x µ )/ σ > 0 { exp[ ( x µ )/ σ ]} ξ 0 (2.7) ξ = 0 missä µ on sijaintiparametri, σ > 0 on skaalaparametri ja ξ on muotoparametri. Jakauman parametrit voidaan määrittää numeerisesti suurimman todennäköisyyden menetelmällä, jota useat ääriarvojen laskentaohjelmistot käyttävät. Sijaintiparametri µ kuvaa jakauman keskittymiskohtaa, ja se on verrattavissa esimerkiksi tunnetumman normaalijakauman keskiarvoon. Skaalaparametri σ kuvaa jakauman levittäytymistä, ja se on verrattavissa esimerkiksi normaalijakauman keskihajontaan. Muotoparametrista ξ riippuen GEVjakauma voidaan jakaa kolmeen mahdolliseen tyyppiin (Katz et al., 2005): 1. ξ = 0, Gumbel-jakauma 2. ξ > 0, Fréchet-jakauma 3. ξ < 0, Weibull-jakauma Gumbel-jakauman häntä pienenee suhteellisen nopeasti jakauman yläpäässä, joten jakaumalla on lyhyt häntä. Fréchet-jakauman häntä pienenee hitaammin kuin Gumbeljakauma, ja sillä on todettu olevan pitkä häntä. Weibull-jakaumalla on yläpäässä ponnahtava ja äärellinen häntä. Kuvassa 2.2 on esitetty tyypin GEV-jakaumien todennäköisyystiheysfunktiot. 9

14 Kuva 2.2 Yleistetyn ääriarvojakauman (GEV-jakauman) kolmen jakaumatyypin todennäköisyystiheysfunktiot, kun µ =0 ja σ =1. Yhtenäisellä viivalla Weibull-jakauma muotoparametrilla ξ =-0.2, lyhyellä katkoviivalla Gumbel-jakauma ξ = 0 ja pitkällä katkoviivalla Fréchet-jakauma ξ =0.2 (Katz, 2005). Ääriarvojakaumasta voidaan selvittää tapausten, kuten rankan sateen, toistumisaikoja. Toistumisaika ilmaistaan useimmiten vuosina, ja sillä tarkoitetaan aikaa, jonka aikana ilmiö esiintyy todennäköisesti yhden kerran, esimerkiksi kerran 100 vuodessa. Toistumisaika 1/p on suoraan (1 p) fraktiili ääriarvojakaumasta. Esimerkiksi vuosittaisista maksimeista muodostetussa ääriarvojakaumassa p=0.01 vastaa 100 vuoden toistumisaikaa. Toistumistaso, joka ylittyy kerran 1/p vuodessa, saadaan yleistetyn ääriarvojakauman lausekkeesta ja voidaan esittää kaavan 2.8 muodossa: F 1 ( 1 p; µ, σ, ξ ) µ ( σ / = µ σ ln ξ ξ ){ 1 [ ln(1 p) ] } [ ln( 1 p) ] ξ ξ = 0 0 (2.8) missä 0 < p < 1 (Coles, 2001). Toistumisaika on lineaarinen µ :n ja σ :n suhteen, mutta epälineaarinen ξ :n suhteen. Muotoparametrin ξ vaikutus toistumisaikoihin on kuvattu kuvassa 2.3, josta nähdään, että Gumbel-jakauman toistumisaika on lineaarinen logaritmisella asteikolla, mutta Fréchet- ja Weibull-jakaumien toistumisajan kuvaajat kaartuvat muotoparametrin määräämään suuntaan. Fréchet-jakaumaa noudattavat suureet saavat äärettömän suuria arvoja pitkillä toistumisajoilla. Weibull-jakaumaa noudattavien suureiden toistumisajat lähestyvät jotain raja-arvoa. 10

15 Kuva 2.3 Ääriarvojakauman muotoparametrin vaikutus toistumisaikoihin. Vaaka-akselilla on toistumisajan logaritmi, pystyakselilla on toistumistaso. Ylimpänä Fréchetjakaumaξ =0.2, keskellä Gumbel-jakauma ξ = 0 ja alimpana Weibull-jakaumaξ = 0.2 (Coles, 2001). Yleistetyssä ääriarvojakaumassa oletetaan suureen riippumattomuus ja yhtäläinen jakautuminen. Sadanta ei ole ajassa riippumaton ja yhtäläisesti jakaantunut (Buishand, 1984). Sadetapahtumat ja suuret intensiteetit esiintyvät usein ryppäissä, ja sadannalla on usein vuosittainen ja vuorokautinen vaihtelu. Katz et al. (2005) esitti, että riippumattomuuden oletus ei ole välttämätöntä yleistetyssä ääriarvojakaumassa, ja vuosittaisia tai vuorokautisia vaihteluita ei ole tarpeen poistaa ennen jakauman sovittamista, jos ajan t sijasta käytetään kovarianttia z t. Yleistetyn ääriarvojakauman etuna on, että subjektiivista jakauman valintaa ei tarvita, vaan sopivin jakaumatyyppi määräytyy tutkittavan aineiston perusteella (Coles, 2001). Jaksomaksimimenetelmän etuna on, että sen soveltamiseen tarvitaan aineistosta vain maksimiarvot. Haittana menetelmälle kuitenkin on, että se ei välttämättä hyödynnä kaikkea käytössä olevaa aineistoa. Vaihtoehtoisena menetelmänä käytetään usein koko aineistoa hyödyntävää POT-menetelmää. Menetelmässä koko aineistosta poimitaan arvot, jotka ylittävät asetetun kynnysarvon. Kynnysarvon ylittävät arvot kuuluvat yleistettyyn Paretojakaumaan, jonka määräävät sijainti-, skaala- ja muotoparametrit. Kuten yleistetty ääriarvojakaumakin, myös yleistetty Pareto-jakauma jakautuu muotoparametrin etumerkin perusteella kolmeen tyyppiin. POT-menetelmä on kohtuullisen herkkä kynnysarvon asettamiselle, ja sopivan kynnysarvon valitseminen on menetelmää sovellettaessa ongelmallista (Gilleland et al., 2005). 11

16 2.7 Aikaisempia tutkimuksia Kotimaisia tutkimuksia piirtävillä sademittareilla Sateen intensiteettiä on tutkittu Suomessa 1900-luvulla useaan kertaan piirtävien sademittareiden aineistoon perustuen. Simojoki (1944) julkaisi ensimmäisen pitkäaikaisiin ja säännöllisiin havaintoihin perustuvan tutkimuksen, joka käsitteli erityisesti sateen intensiteettiä. Simojoen tutkimus perustui vuosina kymmeneltä Ilmatieteen laitoksen havaintoasemalta piirtävistä sademittareista kerättyyn aineistoon. Simojoen tutkimuksessa selvisi, että 1 mm sadekertymän satamiseen kuluu Helsingissä heinäelokuussa keskimäärin aikaa noin 40 minuuttia ja toukokuussa, kesäkuussa sekä syyskuussa minuuttia. Tutkimus osoitti myös, että intensiteetin vuorokausivaihtelun iltapäivämaksimi on Helsingissä muita tutkimuspaikkakuntia heikompi. Sateen rankkuuden todettiin olevan Suomessa melko tasaisesti jakautunut, eikä Suomea voida yksiselitteisesti jakaa eri rankkuusvyöhykkeisiin. Rantakrans (1967) tutki kesäsateiden rankkuutta Helsingissä ja Sodankylässä piirtävien sademittareiden aineistoon perustuen. Tulokseksi saadut sateen rankkuuden, kestoajan ja sademäärän keskimääräiset kuukausiarvot on esitetty taulukossa 2.2. Sateen intensiteetin vuorokautista vaihtelua tutkittaessa selvisi, että Helsingissä on melko selkeä intensiteetin maksimi heinä-elokuussa iltapäivän tunteina ja kesä-heinäkuussa keskimääräinen intensiteetti on myös aamuyöllä suhteellisen suuri. Taulukko 2.2 Sateen intensiteetin, sateen kestoajan ja sademäärän keskimääräiset kuukausiarvot Helsingissä ja Sodankylässä vuosina (Rantakrans, 1967). Helsinki Sodankylä V VI VII VIII IX VI VII VIII I (mm/min) T (min) T (t) R (mm) Ruso (1969) käytti graafista menetelmää soveltaessaan Gumbel-jakaumaa sateen 10 minuutin intensiteettien toistumisaikojen selvittämiseen. Aineistona tutkimuksessa käytettiin 43 vuoden havaintoja Helsingistä ja 34 vuoden havaintoja Revonlahdelta. Aineistosta poimittiin vuosittaiset intensiteettimaksimit. Tuloksena saatiin, että 10 minuutin keskimääräinen intensiteetti on kerran 50 vuodessa Helsingissä 1.64 mm/min ja kerran 100 vuodessa 1.83 mm/min. Kuusisto (1980) tutki ajanjakson rankkoja sateita 12

17 Suomessa. Myös Kuusiston tutkimuksessa käytettiin Gumbel-jakaumaa toistumisaikojen tutkimiseen. Tulokseksi saatiin, että Helsingissä sataa 8.5 mm/min minuutin ajan ja 0.85 mm/min tunnin ajan kerran 100 vuodessa. On otettava huomioon, että tutkimuksessa käytettiin mittausaineistoa vain 15 vuoden ajalta, joten pitkien aikojen toistumisarvoissa on suuri epävarmuus. Kuusisto käsitteli tutkimuksessaan myös sateen vuorokausivaihtelua. Tuntisadesummien vuorokausivaihtelu Helsingissä ja Sodankylässä on esitetty kuvassa 2.4. Kuvasta nähdään, että eniten Helsingissä sataa aamulla kello 06 ja 09 välillä. Vuorokausivaihtelu Helsingissä on huomattavasti Sodankylän vaihtelua vähäisempää. Kuva 2.4 Kuukauden sademäärän vuorokausivaihtelu Helsingissä ja Sodankylässä kesäelokuussa ajanjaksolla (Kuusisto, 1980). Vaaka-akselilla on kellonaika ja pystyakselilla on keskimääräinen tunnin sadesumma. Ylä-Soininmäki (1982) teki kolmen paikkakunnan (Helsinki, Joensuu ja Sodankylä) sadehavaintoihin ajanjaksolta perustuvan tutkimuksen sateen rankkuudesta vesihuoltoteknisestä näkökulmasta. Tutkimuksessa sadetapahtumat jaoteltiin eri kesto- sekä rankkuusryhmiin, ja tilastollisista keskiarvosateista muodostettiin tyyppisateita, joilla on sovellusarvoa vesihuoltotekniikassa. Kaurola et al. (1989) arvioivat yhteenvetona useista aikaisemmista tutkimuksista, että kesällä yksittäisessä pisteessä Etelä-Suomessa sataa noin 10 % ajasta. Sadekuurojen osuus sadeajasta on noin 20 %, joten kuurosateiden esiintymisen todennäköisyys on arviolta 2 % Ulkomaisia tutkimuksia piirtävillä sademittareilla Ruotsissa Modén ja Nyberg (1965) ovat tutkineet sadannan klimatologiaa Tukholman alueella usealta mittausasemalta vuosina kerätyn aineiston perusteella. Tutkimuksen mukaan Tukholman alueella sateen keskimääräinen intensiteetti oli suurin 13

18 heinäkuussa, kuten kuvasta 2.5 nähdään. Tukholman alueella sateen keston osuus kokonaisajasta on toukokuussa 5 %, kesä- ja heinäkuussa 4 % ja elo- ja syyskuussa 6 %. Tutkimuksessa todettiin, että sateen suhteellinen osuus kokonaisajasta vaihtelee paljon vuosittain. Myös sateen intensiteetit vaihtelevat paljon vuosittain. Suurin tutkimusjaksolla esiintynyt 10 minuutin intensiteetin vuosittainen maksimi oli 2.77 mm/min ja pienin 10 minuutin intensiteetin vuosimaksimi oli 0.34 mm/min. Dahlström (1979) tutki piirtävän sademittarin aineistosta sateen intensiteettiä ja sen toistumisaikoja usealla Ruotsin paikkakunnalla. Tutkimuksessa hahmoteltiin myös intensiteetin alueellista jakaumaa Ruotsissa, mutta paikallisten tekijöiden vaikutus intensiteettiin todettiin mahdottomaksi kuvata kvantitatiivisesti. Kuva 2.5 Keskimääräisen intensiteetin (huom. yksikkönä mm/h) vuodenaikaisvaihtelu Tukholmassa vuosina (mukailtu Modén ja Nyberg, 1965). Kesäkuukaudet on rajattu punaisella. Kanadalaisessa tutkimuksessa (Drufuca ja Zawadki, 1975) selvitettiin sadannan tilastollisia piirteitä vuosien aikana kerätyn aineiston perusteella. Kuvasta 2.6 ilmenee yksi tutkimuksen merkittävistä tuloksista, eli hetkellisten ja minuutin intensiteettien kumulatiiviset jakaumat. Kuvan käyrät ilmaisevat todennäköisyyden tapaukselle, että sateen intensiteetti ylittää x-akselilla olevan arvon. Kuvasta 2.6 havaitaan, että keskimääräinen intensiteetti pienenee voimakkaasti ajan kasvaessa. 14

19 Kuva 2.6 Sateen rankkuuden kumulatiivinen jakauma minuutin keskimääräisillä intensiteeteillä Kanadassa (Drufuca ja Zawadki, 1975). P(R)-käyrä on hetkellinen intensiteetti. Käyrät edustavat todennäköisyyttä, että sateen intensiteetti ylittää vaakaakselilla olevan arvon. Todennäköisyydet pystyakselilla on ilmaistu minuutteina 10 vuodessa. Esimerkkinä sateen keston tutkimuksesta voidaan mainita Tattelmannin ja Knightin (1987) tutkimus, joka perustuu Yhdysvalloissa kerättyyn 10 vuoden aineistoon. 5 minuutin intensiteeteille asetettiin kynnysarvoja ja selvitettiin, kuinka kauan kului kunnes saman kynnysarvon ylittävä intensiteetti jälleen havaittiin. Bostonin kesäsateita koskevat tulokset on esitetty kuvassa

20 Kuva minuutin intensiteetin esiintymisen kumulatiivinen frekvenssi Bostonissa intensiteetin raja-arvoilla mm/min. Vaaka-akselilla oleva tapahtumien välinen aika ilmaisee, kuinka kauan aikaa kului, kunnes saman kynnysarvon ylittävä intensiteetti jälleen havaittiin. Pystyakselilla on kumulatiivinen frekvenssi (Tattelmann ja Knight, 1987) Vertailu tutkamittauksiin Viimeaikoina sadannan tutkimus on painottunut yhä enemmän sadetutkamittauksiin. Sadetutkamittaus on hetkellinen aluesadannan mittaus. Tutkamittauksilla on ylivoimainen alueellinen resoluutio, johon ei tiheälläkään sademittariverkostolla pystytä. Tutkamittausten verifiointi on vaikeaa, koska hetkellisen aluesadannan yhteensovittaminen sademittareiden tietyn aikavälin pistemittauksiin ei ole yksiselitteistä. Useissa tutkimuksissa (esim. Barnston ja Thomas, 1983, Ulbrich ja Miller, 2001) on testauksen myötä todettu, että sademittarin mittauksilla ja korjatuilla tutkamittauksilla on kuitenkin hyvä yhteensopivuus. Inkinen (2003) tutki Suomen kesäsateiden intensiteettiä perustuen kesä-elokuiden tutkahavaintoaineistoon vuosilta Sadehavainnoiksi luokiteltiin 6.17 % havainnoista, kun aineistoa käytettiin Lappia lukuun ottamatta koko Suomesta. Sateen intensiteetin teoreettisena todennäköisyysjakaumana käytettiin kaavan 2.5 lognormaalijakaumaa. Tutkimuksessa verrattiin tutkalla mitattuja sateen intensiteettejä Vaisalan FD12P-sademittareiden intensiteettimittauksiin kolmelta mittausasemalta. Johtopäätöksenä oli, että tutkahavaintoja voidaan pitää luotettavina I < 0.45 mm/min intensiteettiin asti. Jos lognormaalijakauman oletetaan olevan sopiva teoreettinen jakauma, osoittautuvat tutkahavainnot luotettaviksi aina 8.33 mm/min intensiteettiin saakka. FD12P- 16

21 sademittareiden todettiin aliarvioivan suuria intensiteettejä. On mahdollista, että myös piirtävät sademittarit vastaavasti aliarvioivat suuria intensiteettejä. 3. Ilmasto Helsingin Kaisaniemessä 3.1 Kaisaniemen mittausasema Helsingin Kaisaniemen mittausasema sijaitsee Helsingin ydinkeskustassa ( N, E). Aseman korkeus merenpinnasta on 4.0 m. Korkeustaso alueella on pääosin 0 20 metriä merenpinnan yläpuolella, läheiset kalliomäet ovat korkeudeltaan metriä. Meri sijaitsee lähimmillään 1 3 kilometrin päässä mittausasemasta suuntasektorissa. Meren osuus pinta-alasta 10 kilometrin säteellä on 44 %. Aseman ympäristö on tiiviisti rakennettua taajama-aluetta. Puusto on kasvanut huomattavasti aseman läheisyydessä vuosikymmenten aikana. Kaisaniemen mittausasema on ollut toiminnassa vuodesta 1844 lähtien, ja se on Suomen vanhin mittausasema. Tutkimusjakson vuosina Kaisaniemen mittausasema sijaitsi Ilmatieteellisen keskuslaitoksen yhteydessä. Vuonna 1958 Kaisaniemen kasvitieteelliseen puutarhaan, 200 metrin päähän aikaisemmasta asemasta, perustettiin mittausasema. Vuosina molemmat asemat olivat toiminnassa, kunnes mittaustoiminta siirtyi kokonaan kasvitieteelliseen puutarhaan. Kuvan 3.1 kartassa näkyy molempien mittausasemien sijainti. Kuvassa 3.2 on mittausaseman ympäristö vuonna 1950 ja vuonna Kuva 3.1 Helsingin Kaisaniemen mittausaseman sijainti vuodesta 1951 alkaen. 17

22 Kuva 3.2 Vasemmalla Helsingin Kaisaniemen mittausasema vuonna 1950 Ilmatieteen keskuslaitoksen yhteydessä. Oikealla mittausasema Kaisaniemen kasvitieteellisessä puutarhassa vuonna Tämän tutkimuksen aineisto on piirtävästä sademittarista, joka oli ensin sijoitettu Ilmatieteellisen keskuslaitoksen yhteyteen, kunnes mittalaite siirrettiin kasvitieteellisen puutarhan yhteyteen toukokuussa Molempien lähekkäisten asemien ollessa käytössä Heino (1994) vertaili niiden kuukausittaisia sadekeräysastioiden sadesummia. Kesäkuukausina asemien väliset sademäärien erot olivat % (negatiivinen luku tarkoittaa pienempiä arvoja kasvitieteellisen puiston mittausasemalla, positiivinen vastaavasti suurempia). Erot ovat yllättävän suuria, mutta korjausta paikanvaihdoksen vaikutukseen on hyvin vaikea määrittää (Heino, 1994). 3.2 Alueellinen edustavuus Helsingin Kaisaniemi kuuluu ilmastolliselta pääalueeltaan hemiboreaali- eli tammimetsävyöhykkeeseen. Ilmastollinen alialue on etelärannikko. Kaisaniemen mittausaseman ilmasto edustaa Helsingin keskustan suurien puistoalueiden ilmastoa. Taulukossa 3.1 on esitetty keskimääräisiä ilmastollisten suureiden arvoja Kaisaniemen mittausasemalla kaudella kesäkuukausina ja koko vuoden aikana. 18

23 Taulukko 3.1 Tilasto ilmastollisista suureista Helsingin Kaisaniemen mittausasemalla kaudella (Drebs et al., 2002) Lämpötila Suht. kost. Sademäärä Sadepäivät [ C] [%] [mm] [kpl] vrk ka vrk ylin ka vrk alin ka vrk ka kk ka kk suurin kk pienin 0.1 mm toukokuu kesäkuu heinäkuu elokuu syyskuu koko vuosi mm 10.0 mm Helsingin Kaisaniemen ilmaston alueellista edustavuutta selvitettiin vertaamalla taulukon 3.1 arvoja muiden läheisten mittausasemien arvoihin samalla vertailukaudella. Keskilämpötila Kaisaniemessä on lähellä muiden Etelä-Suomen asemien keskilämpötiloja. Alkukesästä keskimääräinen ylin lämpötila on Kaisaniemessä suhteellisen alhainen verrattuna lähellä sijaitseviin sisämaan asemien ylimpiin lämpötiloihin, koska kylmän meren läheisyys vaikuttaa viilentävästi. Myöhemmin kesällä erot ylimmässä lämpötilassa tasoittuvat. Keskimääräiset alimmat lämpötilat ovat rannikolla korkeammat kuin sisämaassa, mutta Kaisaniemen mittausaseman alava sijainti alentaa keskimääräisiä alimpia lämpötiloja etenkin selkeinä ja heikkotuulisina öinä. Suhteellisen kosteuden vuorokausikeskiarvo on Kaisaniemessä melko tyypillinen Etelä-Suomen alueelle. Sademäärä on yleisesti ottaen hyvin paikallisesti vaihteleva suure. Kuvassa 3.3 näkyy sademäärän alueellinen jakauma Suomen eteläosassa kesä-elokuussa vertailukaudella Alueellisen jakauman määrityksessä on käytetty tasoitusta 30 km tarkkuudella. Kuvasta 3.3 nähdään, että rannikolla sademäärä on selvästi pienempi kuin sisämaassa. Syyskuussa jakauma on jo lähes päinvastainen ja suurimmat sademäärät sijoittuvat rannikkovyöhykkeelle, koska suhteellisen lämmin meri lisää sademäärää rannikolla. Todettakoon, että Kaisaniemen mittausasema on ilmastollisesti melko edustava, mutta sadannan alueellisen ja ajallisen vaihtelevuuden johdosta yhden mittausaseman tuloksia ei voida yleistää laajalle alueelle. 19

24 Kuva 3.3 Kesä-elokuun sademäärän keskimääräinen alueellinen jakauma Suomen eteläosassa vertailukaudella (Ilmatieteen laitos). 3.3 Paikallisten tekijöiden vaikutus sadantaan Suomen olosuhteissa sadantaan vaikuttavia paikallisia tekijöitä ovat meri, järvet, orografia sekä kaupungit. Helsingin Kaisaniemen sadannan piirteisiin vaikuttaa eniten meri, mutta myös kaupungistumisella arvellaan olevan pieni vaikutus. Kesällä sadepilvet ovat niin korkealla, että Suomen maastonmuodot eivät vaikuta paljon sadannan jakaumaan (Alalammi, 1987) Rannikon vaikutus Meri voi ajoittain vaikuttaa rintamiin liittyviin sadekuuroihin joko laukaisemalla niitä tai estämällä niiden syntymisen kokonaan. Kun meri on alkukesästä etenkin päivisin maata kylmempi, kylmän meren ylle virtaava ilma muuttuu vakaammaksi ja konvektio heikkenee. Alkukesästä rannikolla sademäärä on sisämaata pienempi. Loppukesästä etenkin öisin meri on lämpimämpi kuin maa. Lämpimän meren ylle virtaava ilma muuttuu epävakaisemmaksi, joten sadekuurot voimistuvat ja yleistyvät rannikon tuntumassa. Rannikolla havaitaan myös rannikkoefektiksi kutsuttava ilmiö. Rannikkoefektillä tarkoitetaan ilmiötä, jossa ilma joutuu nousevaan liikkeeseen, koska maalla alustan kitka on suurempi kuin merellä. Tuulennopeus on meren päällä suurempi kuin maan päällä samalla korkeudella. Kun tuuli puhaltaa mereltä, nopeammin liikkuva ilma nousee, kun se kohtaa maan päällä olevan hitaammin liikkuvan ilman. Ilmiön periaate on esitetty kuvassa 3.4. Kesäisin tiivistymiskorkeus on korkealla, joten välttämättä nousevan liikkeen seurauksena ei muodostu pilviä ja sadetta. Kun tiivistymiskorkeus on matalalla, rannikolla tai rannikon läheisillä maa-alueilla sademäärä kasvaa. 20

25 Kuva 3.4 Rannikkoefekti, kun tuuli puhaltaa mereltä (Liljequist, 1962). Kun tuuli puhaltaa rannikon suuntaisesti, siten että maa on tuulen suuntaan katsottuna oikealla, ilma kohoaa syntyvän rannikkokonvergenssin seurauksena. Periaate on esitetty kuvassa 3.5. Meren yllä tuulen suunta poikkeaa vain 0º 15º isobaareista, mutta maan yllä poikkeama on 20º 40º suuremman kitkan johdosta (Liljequist, 1962). Rannikkokonvergenssin alueella rantaviivan suuntaisen tuulen yhteydessä sademäärän maksimi esiintyy useimmiten rannikkoalueella. Kuva 3.5 Rannikkoefekti, kun tuuli puhaltaa rannikon suuntaisesti (Liljequist, 1962). Rannikkoefektin vaikutus sademäärään on voimakkain noin 20 km päässä rannikolta sisämaahan päin (Mustonen, 1986). Aivan rannikon tuntumassa rannikkoefekti on pienempi. Sisämaassa rannikkoefektin vaikutus lakkaa noin 50 kilometrin päässä rantaviivasta. Helsingin Kaisaniemi on myös rannikkoefektin vaikutusalueella, mutta ilmiön aiheuttama lisääntynyt sademäärä on merkittävin tutkimusajankohdan ulkopuolella, eli lokahuhtikuussa. 21

26 3.3.2 Kaupunki-ilmasto Kaisaniemen mittausasema sijaitsee aivan Helsingin kaupungin keskustan tuntumassa. Ihmisen muokkaamassa ympäristössä on myös erityinen ilmasto. Useissa tutkimuksissa (esim. Heino, 1979, Landsberg, 1981) on tutkittu kaupungistumisen vaikutusta ilmastoon. Kaupunkien ilmastoon vaikuttavat neljä fysikaalista mekanismia (Mustonen, 1986): 1. Pintojen päällystäminen muuttaa lämpötaloutta. 2. Rakenteet muuttavat ilman virtausta ja lisäävät turbulenssia. 3. Kaupunki emittoi lämpöä, vesihöyryä ja hiukkasjakoisia epäpuhtauksia ilmakehään. 4. Ilman vesihöyrytasapaino muuttuu. Kaupungeissa ilman lämpötilan on todettu olevan korkeampi kuin taajaman ulkopuolisilla alueilla. Ilmiötä kutsutaan lämpösaarekevaikutukseksi. Ilmiötä on tutkittu myös Helsingissä, mutta kaupungin sijainti rannikolla vaikeuttaa vertailua taajaman ulkopuolisiin alueisiin. Meren läheisyys vaikuttaa Helsingin lämpötilaan eri aikaan vuorokaudesta ja vuodesta eri tavalla. Heinon (1979) mukaan lämpösaarekevaikutuksella on ºC lämmittävä vaikutus Helsingin vuoden keskilämpötiloihin ja noin 1 ºC asteen lämmittävä vaikutus vuoden päivittäisiin alimpiin lämpötiloihin. Vuoden päivittäisiin korkeimpiin lämpötiloihin kaupunki vaikuttaa lämmittävästi ºC. Lämpötilan vuorokausivaihtelu Helsingissä on noin 1 ºC vähäisempää kuin taajaman ulkopuolella. Kaupunkialueilla haihtuminen on vähäisempää kuin taajaman ulkopuolella, ja seurauksena on, että ilma on kuivempaa kaupungeissa. Kaupunkien korkeampi lämpötila vaikuttaa suhteelliseen kosteuteen. Heinon (1979) mukaan vuositasolla suhteellinen kosteus on vain hieman alhaisempi kaupungeissa. Helsingissä on havaittu 5 % suhteellisen kosteuden aleneminen 1900-luvun alusta 1980-luvulle, mutta osa muutoksesta voi tosin johtua mittalaitteiden ja menetelmien muuttumisesta. Yleisesti ottaen sateen todennäköisyys on lisääntynyt kaupungeissa, koska ilmassa on enemmän tiivistymis- sekä jäätymisytimiä ja turbulenssi sekä korkeammasta lämpötilasta johtuva konvektio ovat lisääntyneet. Landsbergin (1981) mukaan kaupunki-ilmastossa sademäärä on lisääntynyt 5 15 %. Myös sadepäivien, jolloin sataa alle 5 mm, määrä on lisääntynyt noin 10 %. Suomessa kaupunkien vaikutusta sadantaan ei ole selvästi havaittu. 22

27 Heinon (1979) tutkimuksen mukaan Helsingin alueella meren vaikutus on pääasiallinen sademäärän eroihin vaikuttava tekijä, joten kaupungin vaikutus sademäärään on kyseenalaista. Heino teki johtopäätöksen, että Helsingin kaupunki-ilmastossa sademäärät voivat mahdollisesti olla hieman suurempia, mutta selviä eroja taajaman ulkopuolisiin alueisiin on vaikea löytää. Myöskään Jyväskylässä ei kaupungin vaikutusta sademääriin ole voitu erottaa (Heino, 1979). McDonald ja Green (1960) tutkivat Yhdysvaltojen sadeaineistoa ja totesivat, että kaupunkien sadeaineistossa ei välttämättä havaita suurempia ajallisia muutoksia ja epäjatkuvuuksia kuin taajamien ulkopuolisessa sadeaineistossa. 4. Sadannan mittaus 4.1 Piirtävä sademittari Tässä tutkimuksessa käsitellään Helsingin Kaisaniemen mittausaseman piirtävän sademittarin aineistoa. Kaisaniemessä käytettiin koko tutkimusjakson ajan Fuessin valmistamaa uimurilappoperiaatteella toimivaa piirtävää sademittaria. Sen keräyspinta-ala on 200 cm 2. Keräysastian korkeus maanpinnasta on 1.2 m, ja siihen ei ole liitetty tuulisuojusta. Piirtävä sademittari rekisteröi sadantaa jatkuvasti, joten siitä saadaan vuorokausisadesummaa mittaavista sadekeräysastioista poiketen tietoa myös sateen ajallisesta jakaumasta. Fuessin piirtävässä sademittarissa keräysastiaan kertynyt sadevesi kulkeutuu uimurisäiliöön. Uimurisäiliön täyttyminen kohottaa uimuria, jonka tankoon on kiinnitetty kynä. Sademittarin kellokoneisto pyörittää piirturiliuskaa, jolle kynä piirtää sadeveden kertymistä kuvaavaa viivaa. Kun uimuri saavuttaa yläasentonsa, tyhjentyy uimurisäiliö imujuoksuttimen kautta ja samalla kynä palautuu piirturiliuskan alareunaan. Kuvassa 4.1 on esitetty Fuessin piirtävän sademittarin rakenne. 23

28 1. Keräysastia 2. Piirturirumpu ja kellokoneisto 3. Imujuoksutin 4. Uimuriputki 5. Uimurisäiliö Kuva 4.1 Fuessin piirtävän sademittarin rakenne. Piirtävä sademittari kykenee mittaamaan luotettavasti vain vesisadetta, joten mittalaite on käytössä vain kesäkuukausina. Kaisaniemessä piirtävä sademittari on otettu käyttöön vuosittain pääsääntöisesti toukokuun ensimmäisenä päivänä, jolloin havaintokausi alkaa. Ennen vuosittaista asennusta mittari on kalibroitu. Havaintokauden aikana havainnontekijä on tehnyt piirtävän mittarin havainnon kerran vuorokaudessa, eli aamuisin kello 08. Havainnon yhteydessä piirturiliuska on vaihdettu, ja maanantaisin myös piirtävän sademittarin kellokoneisto on vedetty. Havaintokauden lopussa, eli lokakuun 1. päivän aamuna piirtävä sademittari on huollettu talvikuntoon. Huollon yhteydessä havaintokauden ulkopuolella piirtävän sademittarin kellokoneisto on tarpeen mukaan vaihdettu. 4.2 Keräysastiat Tavallisimmin sateen mittaamiseen on käytetty metallista keräysastiaa, jolla mitataan vuorokauden sadesummaa. Havaintovuorokausi määritellään alkavan kello 08 aamulla. Helsingin Kaisaniemen mittausasemalla käytettiin tutkimusjakson aikana kahta eri sadekeräysastiaa. Vuodesta 1951 vuoteen 1980 asti käytössä oli Wildin sademittari, joka oli varustettu Nipherin tuulisuojuksella (kuvassa 4.2 vasemmalla). Wildin mittarin korkeus maanpinnasta on 1.5 m ja keräyspinta-ala on 500 cm 2. Vuonna 1980 joulukuussa siirryttiin 24

29 Tretjakov-malliseen mittariin (Kuvassa 4.2 oikealla). Syynä sademittarin vaihtoon oli, että Tretjakov-mallinen mittari kykenee mittaamaan kuivaa lumisadetta Wildin mittarimallia paremmin. Tretjakovin sademittarin korkeus on sama kuin Wildin mittarin, eli 1.5 m. Keräysastian aukon ala, 200 cm 2, on huomattavasti pienempi kuin Wildin mittarissa ja vastaa Fuessin piirtävän sademittarin aukon alaa. Suurin ero Wildin ja Tretjakovin mittareiden välillä on tuulisuojus, joka on Wildin mittarissa yhtenäinen ja Tretjakovin mittarissa säleinen luvun alussa Tretjakovin keräysastian pintamateriaali muutettiin tefloniksi, jotta tartuntavirhe pienenisi. Mittareiden keskinäisiä eroja käsitellään enemmän luvussa 5.2. Kuva 4.2 Wildin keräysastia ( ) vasemmalla ja Tretjakovin keräysastia ( ) oikealla (Mustonen, 1986). 4.3 Virheet Sadannan mittaukseen liittyvät virheet Sadannan mittaaminen tarkasti on ongelmallista ja epätarkkaa. Suurimmat ongelmat liittyvät kuivan lumisateen mittaamiseen, mutta myös vesisateen mittaamisessa ilmenee epätarkkuutta. Sademittarin virheyhtälö voidaan esittää useiden osatekijöiden summana kaavan 4.1 mukaisesti (Mustonen, 1986): P = P + P + P + P + P + P + P + P (4.1) m e w s a p d r missä P = todellinen sadanta P m = mitattu sadanta P e = haihtumisvirhe P w = tartuntavirhe 25

30 P s = roiskuntavirhe P a = tuulivirhe P p = mittarin sopimattomasta sijainnista aiheutuva virhe P d = mittarin omat virheet P r = satunnaisvirheet Rasmussen et. al. (1978) tutkivat haihtumisvirhettä laboratorio-oloissa Hellmann-mallisella sadeastialla, jollainen on myös Kaisaniemen piirtävässä sademittarissa. Kun lämpötila, suhteellinen kosteus ja tuuletus olivat haihtumiselle otollisia, oli haihtuminen sadeastiasta 0.01 mm/vrk. Haihtumisvirheen suuruus on siis pienempi kuin sademittareiden mittaustarkkuus, joten se voidaan jättää huomioimatta sademäärissä. Tartuntavirhettä esiintyy, kun sadevesi kaadetaan keräysastiasta mittalasiin. Osa vedestä jää astian seinämiin, minkä seurauksena mitattu sademäärä on pienempi kuin todellinen sademäärä. Tartuntavirheen suuruus riippuu keräysastian sisäpinnan alan suhteesta keräysaukon alaan, materiaalista, pintojen puhtaudesta sekä sademäärästä. Tretjakovin sademittariin vaihdettiin vuonna teflonpinnotteinen sadeastia. Teflon-pinnoite vähentää hieman tartuntavirhettä. Wildin tartuntavirhe on todettu olevan karkeasti mm/vrk ja Tretjakovin tartuntavirhe on mm/vrk (Solantie ja Junila, 1995). Wildin ja Tretjakovin tartuntavirheet ovat pieniä ja myös keskenään samaa suuruusluokkaa. Fuessin tartuntavirheen voidaan olettaa olevan korkeintaan samaa suuruusluokkaa, mutta todennäköisesti se on pienempi erilaisesta tyhjennystavasta johtuen. Roiskumisvirhe on seurausta puista tai lähiympäristön kohteista roiskuvasta vedestä. Kaisaniemen mittausaseman puut ovat kauden aikana kasvaneet selvästi, mikä lisää lähivuosikymmenien roiskumisvirheen osuutta verrattuna aikaisempiin vuosikymmeniin. Rankalla sateella voi roiskumista tapahtua myös sademittarista pois, kun isot pisarat kimpoavat. Rankkasateella piirtävä sademittari voi myös tulvia, koska imujuoksutin ei vedä riittävästi. On kuitenkin osoitettu, että roiskumisvirhe on yleensä ottaen merkityksetön (Allerup et. al., 1980). Tuulivirhettä esiintyy, kun mittari synnyttää yläpuolelleen turbulenssia, joka jakaa sadannan pysty- ja vaakasuoraan komponenttiin (Mustonen, 1986). Kovalla tuulella voi sataa enemmän pystyprojektiolle kuin vaakaprojektiolle, jolloin keräysastian seinämät estävät 26

31 veden kerääntymisen keräysastiaan. Sadannan mittaus edustaa lähinnä vain sadannan pystykomponenttia. Tuulivirhettä on tutkittu runsaasti. Solantie ja Junila (1995) esittivät tuulivirheestä aiheutuvat korjauskertoimet Wildin ja Tretjakovin mittareille. Merkittäviä tuulivirheeseen vaikuttavia tekijöitä ovat sateen olomuoto, sadepartikkeleiden kokojakauma ja tuulen nopeus. Tuulivirhe on merkittävintä lumisateella ja hyvin pienipisaraisessa tihkusateessa. Kesäsateissa pisarakoko on yleensä kohtuullisen suuri, joten tuuli ei häiritse mittauksia merkittävästi ja korjauskertoimet ovat hyvin pieniä. Olennaisesti tuulivirheeseen ja yleiseen mittaustarkkuuteen liittyvä tekijä on sademittarin sijoituspaikka. Paikan tulee olla suojassa tuulelta, mutta myöskään mittarin lähellä ei saa olla esteitä, jotka voisivat aiheuttaa turbulenssia ja paikallista kiihtyvyyttä tai varjostaa sademittaria tietyiltä tuulensuunnilta. Kaisaniemen mittausasema on suojainen, joten tuulen vaikutus mittauksiin vesisateella on vähäinen. Jakson aikana puusto on aseman ympärillä kasvanut, mikä on entisestään vähentänyt avoimuutta vuosikymmenten kuluessa. Mittalaitteen vaurioituminen tai esimerkiksi keräysaukon pinta-alan muuttuminen ovat itse mittariin liittyviä virheitä. Erityisesti piirtävässä sademittarissa esiintyy ajoittain teknisiä vikoja. Rantakrans (1967) arvioi, että piirtävän sademittarin kellokoneisto jätättää yleisimmin 5 30 minuuttia vuorokaudessa. Tässä tutkimuksessa mahdollinen kellokoneiston jätättämisestä aiheutuva virhe on oletettu lineaariseksi. Rankkojen sateiden yhteydessä myös piirturin hitaus aiheuttaa virhettä. Kun vettä tulee lyhyessä ajassa paljon, tyhjentyy uimurikammio monta kertaa, ja piirtojälki muuttuu epätarkaksi ja joskus myös virheellisesti vinoksi. Satunnaisvirheiden suuruuden arviointi on vaikeaa, ja niiden löytäminen perustuu lähinnä sademittareiden tai sadeasemien keskinäiseen vertailuun. Luvussa 5.2 on vertailtu Kaisaniemen piirtävän sademittarin tuloksia sadekeräysastian mittaamaan sademäärään. Satunnaisia virheitä aiheuttavia ilmiöitä ovat muun muassa keräysastiaan joutuneet roskat. Esimerkkinä yhdestä Kaisaniemen mittausasemalla ajoittain esiintyneestä satunnaisvirheestä ovat muutamat 60-luvun piirturiliuskat, joihin havainnontekijä on kirjoittanut huomautuksen: puutarhaa kasteltu keinotekoisesti. Vastaavanlaisia satunnaisia virhetekijöitä on varmasti esiintynyt useita 50 vuoden mittaisen tutkimusjakson aikana. 27

32 4.3.2 Digitalisointi Jotta piirtävän sademittarin suuren aineiston käsittely olisi huomattavasti helpompaa, piirturiliuskat digitalisoitiin Ilmatieteen laitoksella. Aineisto digitalisoitiin sateen intensiteetin muutospisteiden mukaan lukijalaitteen avulla. Tietokoneohjelmiston avulla aineisto muutettiin tiedostoiksi, joissa sateen intensiteetti on esitetty 1 minuutin ja 0.1 mm erotuskyvyllä. Digitalisoiminen aiheutti aineistoon useita virheitä. Ajan ja arvojen lukeminen piirturiliuskoista on melko epätarkkaa, ja kokemusten perusteella on todettu, että lukijalaitteen avulla saadaan aineisto luettua noin 5 minuutin tarkkuudella. Digitalisoinnin seurauksena yli kolme tuntia kestävillä sateettomilla jaksoilla digitaaliseen aineistoon tuli usein virheellisiä mm sademääriä. Digitalisoitaessa piirturiliuskoissa kohtia, joissa kynä oli siirtynyt piirturiliuskan alareunaan, tuli siirtymäkohtiin satunnaisesti virheellinen minuutista muutamaan minuuttiin kestävä nollasadejakso. Lisäksi digitalisointiohjelmiston vian takia kuun alussa ja lopussa esiintyneet sateettomat vuorokaudet olivat jääneet tiedostoista pois. Edellä mainittuja digitalisointivirheitä on pyritty korjaamaan jälkikäteen mahdollisimman paljon, mutta on todennäköistä, että aineistossa edelleen on satunnaisia digitalisoinnista johtuvia virheitä Kokonaisvirhe Edellisissä luvuissa tuli esille, että digitalisoidussa sadeaineistossa esiintyy monenlaisia virheitä. Se ei kuitenkaan tarkoita, että aineisto olisi käyttökelvotonta. Tuloksia analysoitaessa on kuitenkin pidettävä mielessä mahdolliset virheet ja aineiston rajallinen erotuskyky. Vaikka tutkimusjakson aineisto digitalisoitiin 1 minuutin ja 0.1 mm tarkkuudella, on aineistoa syytä tarkastella hieman karkeammassa tarkkuudessa. Digitalisoitujen piirturiliuskojen ajan erotuskyvyn maksimina on yleisesti pidetty 5 minuuttia (Eicher, 1991). Tässäkin tutkimuksessa erotuskyky asetettiin 5 minuuttiin, mikä tasoittaa minuuttikohtaisia piikkejä aineistossa. Kun tarkastellaan pitempien ajanjaksojen sademäärää, esimerkiksi tunnin ajalta, jää lukematarkkuudesta aiheutuva virhe hyvin pieneksi. Sademäärän virheiden voidaan arvioida olevan yleisesti kohtuullisen pieniä. Rankoissa sateissa virheen osuus on usein keskimääräistä suurempi, mikä johtuu edellä mainituista mittausteknisistä ja digitalisointiin liittyvistä seikoista. 28

33 5. Tutkimusaineisto 5.1 Aineiston kattavuus Tässä tutkimuksessa on käytetty aineistoa vuodesta 1951 alkaen vuoteen 2000 asti. 50 vuoden mittainen tutkimusjakso rajoittuu toukokuun alusta syyskuun loppuun, eli vuosittain viiden kuukauden ajalle. Aineisto edustaa näin ollen hyvin Helsingin keskustan kesäsateita. Suuri osa tutkimuskauden ulkopuolella esiintyvistä sateista oli kiinteän olomuodon sateita, mutta osa vuosittaisista vesisateista on silti jäänyt tutkimuskauden ulkopuolelle. Kesäkuukausina on vastaavasti esiintynyt kiinteän olomuodon sateita, kuten esimerkiksi raekuuroja. 50 vuoden aikana on kesäkuukausina yhteensä 7650 havaintovuorokautta. Pieni osuus havaintovuorokausien aineistosta puuttuu tai on käyttökelvotonta. Puuttuvan aineiston osuus koko aineistosta on 135 havaintovuorokautta, eli 2.2 % kaikista havaintovuorokausista. Taulukossa 5.1 on esitetty havaintoaineistosta puuttuvien vuorokausien jakautuminen eri kuukausille ja vuosikymmenille ajanjaksolla Taulukosta 5.1 nähdään, että eniten havaintovuorokausien aineistoa puuttuu toukokuulta ja syyskuulta. Aineiston puuttuminen on jakautunut melko tasaisesti eri vuosikymmenille. Hieman muita vuosikymmeniä enemmän aineistoa puuttuu 50-luvulta, jolloin esiintyi eniten mittalaiteteknisiä ongelmia. Taulukko 5.1 Tutkimusjakson puuttuvien havaintovuorokausien lukumäärä ja prosentuaalinen osuus eri vuosikymmeninä ja kuukausina toukokuu (1550 vrk) (2.6 %) kesäkuu (1500 vrk) (1.1 %) heinäkuu (1550 vrk) (0.5 %) elokuu (1550 vrk) (1.1 %) syyskuu (1500 vrk) (3.5 %) yhteensä (7650 vrk) 37 (2.4 %) 24 (1.6 %) 23 (1.5 %) 21 (1.4 %) 30 ( 2.0 %) 135 (2.2 %) Kuvassa 5.1 on eritelty aineiston puuttumisen syyt. Selvästi suurin yksittäinen syy havaintovuorokausien aineiston puuttumiselle on mittauskauden aloitus tai lopetus (48 %). Toisin sanoen toukokuun ensimmäiset ja syyskuun viimeiset havaintovuorokaudet puuttuvat, koska mittaukset ovat aloitettu tai lopetettu kauden ollessa käynnissä. Syy selittää 29

34 myös taulukon 5.1 muita kuukausia suuremmat määrät puuttuvia havaintovuorokausia toukokuussa ja syyskuussa. Myös tapa, jolla aineisto digitalisoitiin, vaikutti osaltaan siihen, että pieni osuus kauden alun ja lopun havaintovuorokausien aineistoa jäi digitaalisesta aineistosta pois. Digitalisoinnin ongelmat kesken havaintokautta ovat puuttumisen syynä 28 %:ssa tapauksista. Itse mittalaitteessa ja piirturin liuskoissa esiintyneet häiriöt ovat puuttumisen syynä 24 %:ssa tapauksista. Mittalaitteen toimintahäiriöön syynä oli useimmiten se, että kellokoneisto oli jäänyt vetämättä. Liuskojen ongelmat liittyvät niiden puuttumiseen kokonaan tai epäselviin merkintöihin. kauden aloitus ja lopetus digitalisointi vika piirturin liuskassa toimintahäiriö 5% 19% 48% 28% Kuva 5.1 Aineiston puuttumisen syyt eriteltyinä. Koska havaintovuorokausista osan aineistoa puuttuu, aineistoon tulee ajallisia katkoksia. Schillingin (1991) mukaan ei katkoksilla ole vaikutusta sadannan ääriarvoihin, jos ne eivät todistettavasti ajoitu ajankohtiin, jolloin sateen intensiteetti oli hyvin suuri. Keskimääräisiin arvoihin havaintovuorokausien puuttumisella on hyvin pieni vaikutus. Schilling esitti myös, että puuttuvien ajankohtien sadantaa ei voida merkitä nollaksi, koska se vääristää aineistoa. Oikeanlainen tapa on käsitellä puuttuvat tiedot puuttuvina, eli jättää ne analyysissä huomioimatta. Näin on tehty myös tämän tutkimuksen aineistolle, eikä puuttuvia sadehavaintoja ole keinotekoisesti asetettu nollaksi. Ajalliset katkokset kuitenkin vääristävät sateen ja kuivien jaksojen kestoja. Jos katkos on keskellä sadetapahtumaa, muuttuu yksittäinen sadetapahtuma kahdeksi erilliseksi sadetapahtumaksi ja vastaavasti kuivat jaksot voivat jakautua kahteen lyhyempään kuivaan jaksoon. 5.2 Sademittarihavaintojen vertailu Jotta Fuessin piirtävän sademittarin luotettavuutta voidaan arvioida, on syytä vertailla sen mittaustuloksia toiseen samalla havaintoasemalla sijainneeseen sademittariin. Rantakrans 30

35 (1967) vertaili tutkielmassaan Kaisaniemen ja Sodankylän piirtävän Fuessin sademittarin havaintoja Wildin sademittarin havaintoihin kaudella Rantakransin tulokset mittareiden osoittamien sademäärien kuukausikeskiarvojen erotuksesta on esitetty taulukossa 5.2. Rantakransin johtopäätöksenä oli, että kaikissa tapauksissa piirtävän sademittarin vuorokausisademäärät olivat pienempiä kuin Wildin keräysastian sademäärät. Vuoden 1980 joulukuussa Wildin sademittarit vaihdettiin Tretjakovin sademittareihin. Fuessin piirtävän sademittarin havaintoja pitkältä ajanjaksolta ei tiedettävästi ole ennen tätä tutkimusta vertailtu Tretjakovin sademittarin tuloksiin. Taulukko 5.2 Wildin sademittarin ja Fuessin piirtävän sademittarin kuukausisadesummien keskiarvojen erotus kaudelta (Rantakrans, 1967). R W on Wildin mittarin osoittama kuukausisadesummien keskiarvo, R F on Fuessin piirtävän sademittarin osoittama kuukausisadesummien keskiarvo. R W R F [mm] 100*(R W R F )/R F [%] V VI VII VIII IX V VI VII VIII IX Helsinki Sodankylä Tässä tutkimuksessa laskettiin vastaavalla tavalla kuin Rantakransin (1967) tutkimuksessa sademittareiden välinen kuukausisadesummien keskiarvojen erotus. Tulokset on esitetty taulukossa 5.3. Kun vertaillaan taulukon 5.3 esittämiä tuloksia aiemmin tehdyn tutkimuksen tuloksiin taulukossa 5.2, havaitaan, että taulukon 5.2 esittämät mittauserot ovat selvästi suurempia. Todennäköinen selitys tuloksien eroon on mittausaseman avoimuuden muutos. Koska piirtävässä sademittarissa ei ole tuulisuojusta toisin kuin sadekeräysastioissa, mittaa se vähemmän sadetta. Rantakransin tutkimusjaksolla mittausasema oli avoimempi ja tuulivirhe lisäsi mittalaitteiden välisiä eroja enemmän kuin tällä tutkimusjaksolla. Taulukon 5.3 tuloksista havaitaan, että mittareiden havainnot eroavat toisistaan muutamalla prosentilla. On huomattava, että piirtävän sademittarin sademäärät eivät ole täysin vertailukelpoisia keräysastioiden sademäärien kanssa, koska mittalaitteet eivät sijainneet täsmälleen samassa paikassa. Muutamankin metrin säteellä voi paikallinen virtauskenttä ja ympäristön (esim. muut mittalaitteet ja puut) vaikutus olla erilainen. Koko kesän jaksolla Wildin keräysastia havaitsi hieman piirtävää sademittaria suurempia sademääriä, mutta yksittäisistä kuukausista kesä- ja heinäkuussa piirtävä sademittari mittasi enemmän sadetta. Tretjakovin keräysastia mittasi jokaisena kesäkuukautena vähemmän kuin piirtävä 31

36 sademittari. Solantien ja Junilan (1995) mukaan Tretjakovin keräysastian tartuntavirhe on suurempi ja tuulivirhe pienempi kuin Wildin keräysastian. Suojaisella mittausasemalla, kuten Helsingin Kaisaniemessä, tartuntavirheellä on suurempi merkitys kesäsateissa. Keskikesällä suuripisaraisissa ja suhteellisen runsaissa sateissa tartuntavirheen osuus pienenee, mutta myös tuulivirhe pienenee entisestään. Taulukosta 5.3 näkyy, että etenkin Tretjakovin keräysastian tulosten suhteellinen ero piirtävän sademittarin tuloksiin on suurimmillaan alkukesästä, jolloin sademäärät ja sadepisarat ovat usein melko pieniä. Wildin keräysastian mittaukset ovat lähimpänä todellisia sademääriä, koska keskimäärin Wildin mittari mittasi suurimmat sademäärät. Piirtävän sademittarin tuloksia voidaan pitää hyvinä, vaikka tuulisuojuksen puuttuminen pienentää vähän havaittuja sademääriä. Tretjakovin keräysastian tarkkuutta heikentää suurehko tarttumisvirhe. Taulukko 5.3 Wildin sekä Tretjakovin sademittarin ja piirtävän Fuessin sademittarin kuukausisadesummien keskiarvojen erotus kaudella R WT on Wildin tai Tretjakovin mittarin osoittama kuukausisadesummien keskiarvo, R F on Fuessin piirtävän sademittarin osoittama kuukausisadesummien keskiarvo. R WT R F [mm] V VI VII VIII IX V-IX Wild ( ) Tretjakov ( ) molemmat ( ) *(R WT R F )/R F [%] V VI VII VIII IX V-IX Wild ( ) Tretjakov ( ) molemmat ( ) Mittareiden vuorokausisadesummille laskettiin korrelaatio. Wildin ja Fuessin mittareiden vuorokausisadesummien väliseksi korrelaatioksi saatiin Tretjakovin ja Fuessin mittareiden väliseksi korrelaatioksi saatiin Molemmat korrelaatiot ovat vahvoja. Tilastollisella testauksella, kuten t-testillä, voidaan testata, miten merkitseviä poikkeamat mittareilla ovat. T-testin mukaan nollahypoteesia piirtävän sademittarin ja keräysastian vuorokausisadesummien erot ovat merkittäviä ei voida kumota 5 % merkitsevyystasolla kummankaan vertailumittarin, Wildin tai Tretjakovin, kohdalla. Näin ollen mittauserot piirtävän sademittarin ja sadekeräysastioiden välillä eivät ole yleisesti merkitseviä. Kuvassa 5.2 on vertailtu Fuessin piirtävän sademittarin aineistosta laskettuja vuorokausisadesummia ja Wildin sekä Tretjakovin vuorokausisadesummia. Kuvasta näkyy myös, miten mittauserot 32

37 jakautuvat eri vuorokausisadesummien arvoille. 95 %:ssa havainnoista sadesummien poikkeama piirtävän sademittarin ja sadekeräysastian välillä on vähemmän kuin ±1 mm/vrk. Kuva 5.2 Piirtävän Fuessin sademittarin vuorokausisadesummien vertailu Wildin ja Tretjakovin vuorokausisadesummiin. Kuvan 5.2 havaintopisteet ovat asettuneet pääsääntöisesti 1:1 viivan lähelle, mikä kuvastaa mittareiden yhdenmukaisia tuloksia. Kuvasta 5.2 on kuitenkin nähtävissä, että pisteet ovat pienillä sadannan arvoilla muodostuneet ikään kuin nuoleksi, jonka kärki on nollakohdassa. Nuolen kärki muodostuu tilanteista, joissa toinen vertailumittareista on näyttänyt nollaa, ja toinen on mitannut usean millimetrin sadesummia, jossakin tapauksissa jopa 20 mm sadesummia. Tapauksia, joissa piirtävä sademittari havaitsi vähintään 2 mm/vrk ja sadekeräysastia korkeintaan 0.1 mm/vrk, on yhteensä tapauksessa sadekeräysastia mittasi vastaavasti enemmän. Useimmat tapauksista ovat esiintyneet vuosien 1980 ja 2000 välillä, siis nimenomaan Tretjakovin mittarin ollessa käytössä. Luvussa 4.3 esitellyistä sademittauksiin liittyvistä ongelmista, kuten haihtumisvirheestä, tartuntavirheestä, roiskumisvirheestä, tuulivirheestä ja mittarin sijainnista aiheutuvien vaikutusten todettiin olevan kohtuullisen pieniä, joten niiden avulla ei voida selittää yli 2 mm eroja mittareiden välillä. Mittarin omat virheet ja satunnaisvirheet puolestaan voivat olla selityksenä nuolenkärjelle. On todennäköistä, että piirtävässä sadepiirturissa esiintyi teknistä vikaa, kun se sadepäivinä rekisteröi 0 mm sadesummia. Toisaalta myöskään sadekeräysastioiden sadesummia ei voida pitää täysin luotettavina. On mahdollista, että tutkimusjakson aikana 33

38 keräysastia on tyhjentynyt tai täyttynyt satunnaisten virhetekijöiden vaikutuksesta, joiden syytä ei voida selvittää. Kuvasta 5.2 nähdään myös, että suhteellisen paljon mittauspisteitä on keskittynyt piirtävän sademittarin 10 mm:n kohdalle. Kyse voi olla sattumasta, mutta on myös mahdollista, että syynä on piirtävän sademittarin tekninen ongelma. Normaalisti sademäärän ylittäessä yli 10 mm uimurikammio tyhjentyy ja kynä palaa piirturiliuskan alareunaan. Mekanismi on voinut jumiutua, mikä voi selittää 10 mm:n vuorokausisadesummien yleisyyden. Pieni osuus kuvassa 5.2 havaittavista mittalaitteiden tulosten eroista johtuu 1960-luvun vaihteen mittausaseman paikanvaihdoksesta. Vuodesta 1958 vuoteen 1961 Kaisaniemessä sijaitsi kaksi mittausasemaa, toinen Ilmatieteen keskuslaitoksen yhteydessä, ja toinen kasvitieteellisen puutarhan yhteydessä. Piirtävä sademittari sijaitsi vuonna 1960 jo kasvitieteellisessä puutarhassa, kun taas vertailussa käytetty keräysastian aineisto on Ilmatieteen keskuslaitoksen mittausasemalta. Kuvasta 5.2 erottuu rankin sade, joka on sijoittunut kauaksi 1:1 viivalta. Rankin sade ajoittui 25. päivälle heinäkuuta vuonna 1960, jolloin piirtävän sademittarin mittaama sateen vuorokausisadesumma oli 83.9 mm. Vertailussa käytetyn Wildin keräysastian mittaama vuorokauden sadesumma samana päivänä oli 31 mm vähemmän, eli 52.9 mm. Rankassa sateessa oli pienellä alueella suuria paikallisia vaihteluita, ja mittausasemien sijaitseminen hieman etäällä toisistaan aiheutti suuren eron tuloksiin. Kaisaniemen kasvitieteellisen puutarhan mittausasemalla sijainnut keräysastiaan kertyi samana vuorokautena 85.5 mm/vrk. Se on 1.6 mm/vrk enemmän kuin piirtävän sademittarin sadesumma ja siis huomattavasti lähempänä piirtävän mittarin rekisteröimää sadesummaa. Piirtävään sademittariin verrattuna Wildin keräysastia havaitsi keskimäärin vähän suurempia vuorokausisadesummia, Tretjakovin keräysastia sen sijaan havaitsi keskimäärin piirtävää sademittaria pienempiä vuorokausisadesummia. Vertailun tuloksista voidaan päätellä, että yleisesti ottaen piirtävän sademittarin aineistoa voidaan pitää laadultaan hyvänä. Yksittäisissä tapauksissa piirtävän sademittarin havainto voi erota melko suurestikin keräysastioiden havainnoista, mutta keskimäärin mittalaitteiden tulokset ovat yhdenmukaisia. Piirtävän sademittarin aineistoa voidaan siis pitää kohtuullisen luotettavana ilmastollisten piirteiden analysoimiseen. 34

39 6. Sadannan ilmastolliset piirteet 6.1 Sadetapahtumien määrä Meteorologisesta näkökulmasta pistemittauksen sadanta voidaan jakaa erillisiin sadetapahtumiin, kun niitä erottaa sateeton jakso. 50 vuoden tutkimusjaksolla sadetapahtumia, joiden välillä oli vähintään viiden minuutin sateeton jakso, oli yhteensä 8381 kappaletta. Vesiteknillisestä näkökulmasta sadetapahtuman määritelmä ei ole paras mahdollinen, koska lyhyen tauon aikana maasto ei ehdi kuivua. Jos valitaan sadetapahtumien välisen sateettoman jakson kestoksi vaihtoehtoisesti vähintään yksi tunti, soveltuvat tulokset paremmin teknillisiin sovelluksiin. Vähintään tunnin sateettoman jakson erottamia sadetapahtumia oli tutkimusjaksolla yhteensä 5204 kappaletta. Kuvassa 6.1 on sadetapahtumien lukumäärä eri kesäkuukausina ja vuosikymmeninä. Pystyakselin luku osoittaa, kuinka monta sadetapahtumaa on ajoittunut kyseisen vuosikymmenen tietylle kuukaudelle. Kuvassa näkyy myös vuosikymmenten keskiarvo eri kuukausina. Määritelmänä on käytetty vähintään 5 minuutin sateetonta jaksoa, joka erottaa sadetapahtumat toisistaan. Kuvasta 6.1 nähdään, että kuukausikeskiarvokäyrä nousee loppukesää kohti. Vähiten sadetapahtumia on toukokuussa, jolloin myös hajonta eri vuosikymmenien välillä on pienintä. Kesäkuussa hajonta on toukokuuta selvästi suurempaa. Heinäkuussa ja elokuussa on keskimäärin yhtä paljon sadetapahtumia. Syyskuussa sadetapahtumia on kesäkuukausista eniten. Sadetapahtumien määrä on verrannollinen taulukon 3.1 sademäärän kuukausiarvoihin ja sadepäivien lukumäärään. Erona taulukkoon on syyskuu, jolloin kuukausisademäärä on Kaisaniemessä pienempi kuin elokuussa, mutta sadetapahtumia on silloin enemmän. Sade on rankempaa elokuussa kuin syyskuussa, joten pienemmästä määrästä sadetapahtumia voi kertyä suurempia sademääriä. Eniten sadetapahtumia oli 70- ja 80-luvuilla, jolloin sadetapahtumia oli keskimääräistä enemmän etenkin loppukesällä. 90-luvulla sadetapahtumia oli keskimääräistä vähemmän. Sadetapahtumien lukumäärä vaihtelee luontaisesti eikä siinä voida havaita vuosikymmenten kuluessa selviä muutoksen merkkejä. 35

40 Kuva 6.1 Sadetapahtumien lukumäärä eri kesäkuukausina ja vuosikymmeninä. Pylväs kuvaa koko vuosikymmenellä esiintyneiden sadetapahtumien yhteismäärää. Punaisella viivalla on esitetty kuukausikohtaiset keskiarvot, turkoosilla viivalla on esitetty kaikkien kesäkuukausien keskiarvo 50 vuoden ajalta. 6.2 Sateen kesto Keskimääräinen kesto 50 vuoden aikana Helsingin Kaisaniemessä satoi touko-syyskuussa yhteensä 8206 tuntia eli vuorokautta. Kuvassa 6.2 on esitetty sateen keskimääräiset kuukausittaiset kestot. Kuukausittaiset keskikestot ovat kaikkina kesäkuukausina hieman pienempiä kuin taulukossa 2.2 esitetyt aikaisemman tutkimuksen tulokset. Tulosten välinen ero voi viitata muutokseen sadannan kuukausittaisessa kestossa vuosisadan kuluessa, mutta on todennäköistä, että osa erosta johtuu aineiston erilaisesta käsittelytavasta. Kuvasta 6.2 nähdään, että kesäkuukausista toukokuussa sataa keskimäärin vähiten aikaa, noin 25 tuntia. Syyskuussa sataa selvästi eniten, noin 45 tuntia. Touko-syyskuun aikana sataa yhteensä keskimäärin noin 160 tuntia vuosittain. Taulukosta 3.1 nähdään, että sadepäiviä on toukokuussa keskimäärin 10, kesä- ja heinäkuussa 13 sekä elo- ja syyskuussa

41 Kuva 6.2 Sateen keskimääräinen yhteiskesto tunneissa kesäkuukausina. Yksittäisen sadetapahtuman kesto koko 50 vuoden jaksolla oli keskimäärin 59.5 minuuttia. Kuvassa 6.3 on esillä sadetapausten keskimääräinen kesto eri kuukausina ja vuosikymmeninä. Kuvasta nähdään selvästi, että kuukausikeskiarvo saa v-muodon, siten että sadetapahtuman keskimääräinen kesto on lyhimmillään heinäkuussa ja pisimmillään toukokuussa sekä syyskuussa. Selityksenä v-muodolle ovat hallitsevan sadetyypin kuukausivaihtelut. Heinäkuussa esiintyy eniten konvektiivisia sateita, joiden kesto on rintamasateisiin verrattuna lyhyt. Toukokuussa ja syyskuussa rintamasateet muodostavat suuremman osuuden sadannasta ja yksittäisten sadetapahtumien kesto on pisimmillään. Kuten kuvasta 6.1 nähtiin, toukokuussa on kuitenkin vähemmän sadetapahtumia kuin syyskuussa, joten sen seurauksena sateen kokonaiskesto on toukokuussa huomattavasti syyskuuta pienempi. 50-luvulla sadetapahtumat olivat hieman muiden vuosikymmenten sadetapauksia pitkäkestoisimpia. 70- ja 80-luvuilla sadetapahtumat olivat keskimäärin lyhytkestoisimpia. Jo aiemmin tuli ilmi, että 70- ja 80-luvuilla oli myös eniten sadetapahtumia, joten silloin satoi muita vuosikymmeniä useampia kertoja lyhyempiä jaksoja kerrallaan, ja todennäköisesti konvektiivista sadetta esiintyi keskimääräistä enemmän. Keskimääräisessä kestossa ei ole tapahtunut merkittäviä muutoksia vuosikymmenten kuluessa. 37

42 Kuva 6.3 Sadetapahtuman keskimääräinen kesto eri kesäkuukausina ja vuosikymmeninä. Punainen viiva kuvaa kuukausikeskiarvoa, turkoosilla viivalla on esitetty kaikkien kesäkuukausien keskiarvo 50 vuoden ajalta. Tämän tutkimuksen mukaan kesällä Helsingin Kaisaniemessä sataa keskimäärin 4.5 % kokonaisajasta. Jos sateen kesto jaetaan tasaisesti jokaiselle kesän päivälle, sataa päivittäin keskimäärin 1 tunnin ja 5 minuutin ajan. Inkisen (2003) tutkimuksessa 6.17 % kesän tutkahavainnoista Suomessa todettiin sadehavainnoiksi. Tulokset eivät ole suoraan vertailukelpoisia, koska toinen perustuu pistemittaukseen ja toinen alueelliseen mittaukseen. Yleisesti ottaen Kaisaniemessä sateen keston osuus kokonaisajasta on jonkin verran pienempi kuin keskimäärin Suomessa, mikä johtuu mittausaseman sijainnista rannikon läheisyydessä. Alkukesällä viileä meri vähentää rannikolla sademäärää ja myös sateen osuutta ajasta. Kuvassa 6.4 on esitetty sateen keston osuus kokonaisajasta eri kesäkuukausina ja vuosikymmeninä. Kuvasta 6.4 nähdään, että alkukesällä sateen osuus on noin 4 %. Loppukesällä lämmin meri lisää rannikolla sademääriä ja sateen kestoa. Syyskuussa sataa keskimäärin 6 % ajasta. Tulokset ovat hyvin lähellä luvussa mainittuja sateen osuuden tuloksia Tukholmasta. Sateen keston osuus vaihteli vuosikymmenten välillä eniten kesäkuussa ja vähiten heinäkuussa. 38

43 Kuva 6.4 Sateen keston osuus kokonaisajasta eri kesäkuukausina ja vuosikymmeninä. Punainen viiva kuvaa kuukausikeskiarvoa, turkoosilla viivalla on esitetty kaikkien kesäkuukausien keskiarvo 50 vuoden ajalta Keston todennäköisyyksiä ja ennätyksiä Sadetapahtuman keston on teoreettisesti arvioitu noudattavan kaavan 2.3 eksponenttijakaumaa. Eksponenttijakauman sopivuutta tutkittiin Kaisaniemen sadeaineistoon. Eksponenttijakauman todettiin kuvaavan tilastollisesti sadetapahtumien kestoja hyvin, ja jakauman selitysasteeksi saatiin Eksponenttijakauman heikkoutena on, että se aliarvioi kertymäfunktion arvoja 2 5 tunnin kestoisissa sateissa. Parempi sopivuus aineistoon saatiin, kun käytettiin kahden eksponenttijakauman summaa, jolloin selitysasteeksi saatiin Kuvassa 6.5 on eksponenttijakaumien summan sovitus aineistoon. Eksponenttijakaumien summan yhtälö Kaisaniemen aineistoon sovitettuna saa vakioineen kaavan 6.1 muodon: f ( x) exp( x) exp( x) =, kun x 5 (6.1) missä x on aika minuuteissa. Yhtälöstä saadaan selville, kuinka suuri osuus sadetapahtumista kestää vähintään x minuuttia. Kuvasta 6.6 nähdään käyrän sovituksen residuaalit, eli havaittujen arvojen ja sovitetun jakauman arvojen erotukset. Alle tunnin kestoisilla sateilla residuaalit ovat suhteellisen suuria, ja havaittu sekä teoreettinen kertymätodennäköisyys eroavat toisistaan pari prosenttia. Havaitun jakauman kertymätodennäköisyys 5 minuutin kestoisille sateille on 1, mutta teoreettisen jakauman kertymätodennäköisyys on Pitkäkestoisilla sateilla residuaali on pieni, ja havaitut 39

44 sekä teoreettiset arvot ovat hyvin lähellä toisiaan. Kahden eksponenttijakauman summa osoittautui yllättävän yhteensopivaksi teoreettiseksi jakaumaksi Helsingin Kaisaniemen havaintoaineistolle. Kuvassa 6.5 on esillä sateen keston kertymätodennäköisyys. Kuvasta nähdään selvästi, että lyhytkestoiset sadetapahtumat ovat selvästi yleisempiä kuin pitkäkestoiset. Vain puolet sadetapahtumista Helsingin Kaisaniemessä kestää yli puoli tuntia. Yli kuusi tuntia sadetapahtumista kestää noin 1.4 %. Yli 12 tuntia kestävien sateiden osuus on hyvin pieni. Sadetapahtumien keston teoreettiseen jakaumaan perustuvia todennäköisyyksiä on selvyyden vuoksi listattu myös taulukkoon 6.1. Kuva 6.5 Sadetapahtuman kestoajan kertymätodennäköisyys havaintoihin ja kaavan 6.1 teoreettiseen jakaumaan perustuen. Pystyakselin kertymätodennäköisyys ilmaisee, kuinka suuri osuus sadetapahtumista kestää vähintään vaaka-akselilla esitetyn ajan verran. Kuva 6.6 Sadetapahtuman kestoajan residuaalit, eli erot havaittujen arvojen ja kaavan 6.1 jakauman välillä. 40

45 Taulukko 6.1 Sateen keston todennäköisyyksiä teoreettiseen jakaumaan perustuen. Kesto vähintään Todennäköisyys Kesto vähintään Todennäköisyys [%] [%] 10 min h min h min h min h min h min h min h min h min h min h h h h 30 min h vuoden ajanjaksolla esiintyi yhteensä 8 tapausta, jolloin sade kesti yhtäjaksoisesti yli 12 tuntia. Nämä tapaukset on listattu taulukkoon 6.2. Yhtäjaksoisesti pisimpään kestänyt sade kesti 21 h 20 min, ja se esiintyi syyskuussa vuonna Hetkellinen intensiteetti oli pisimmässä sateessa suuri, mutta keskimääräinen intensiteetti oli suhteellisen pieni. Keskimääräiseltä intensiteetiltään voimakkain yli 12 tunnin kestoinen sade esiintyi heinäkuussa 1993, jolloin myös sadesumma oli huomattavasti muita yli 12 tunnin kestoisia sateita suurempi. Taulukko 6.2 Yli 12 tuntia yhtenäisesti kestäneet sateet vuosina alkamispäivämäärä alkamisaika kesto sadesumma keskiintensiteetti maksimiintensiteetti [mm] [mm/min] [mm/min] klo h 20 min klo h 50 min klo h 30 min klo h klo h 40 min klo h 30 min klo h 15 min klo h 5 min

46 6.3 Sateettomat jaksot Keskimääräinen kesto Yhtenäisten sateettomien jaksojen keskimääräinen pituus oli tutkimusjakson aikana 1278 minuuttia eli 21 tuntia 18 minuuttia. Sateettomien jaksojen vuosikymmenten välinen keskihajonta on suuri, noin 51 tuntia. Kuvassa 6.7 on esitetty sateettomien jaksojen keskimääräinen kesto eri kuukausina ja vuosikymmeninä. Sateettomien jaksojen kesto on pisin toukokuussa, ja se lyhenee loppukesää kohti. Kuvan 6.7 kuukausikeskiarvokäyrän muoto on lähes peilikuva kuvan 6.4 sateen suhteellisen keston kuukausikeskiarvoille. Sateella ja sateettomalla ajalla on tietenkin riippuvuus, koska vain toinen voi esiintyä kerrallaan. Toukokuussa sateen osuus on pienempi, joten on johdonmukaista, että myös sateettomat jaksot ovat pidempiä. Syyskuussa sateettomat jaksot jäävät usein lyhyeksi, koska sateen osuus kokonaisajasta on kesäkuukausista suurin. Sateettomien jaksojen kuukausikeskiarvoja verrattaessa kuvan 6.3 sadetapahtumien keskimääräisen keston kuukausikeskiarvoihin vastaavanlaista yhteyttä ei havaita. Kuvasta 6.7 erottuvat 70- ja 80- luvut, jolloin sateettomat jaksot olivat lyhimpiä. Suhteellisen suuri määrä sadetapahtumia lyhensi sateettomia jaksoja kyseisinä vuosikymmeninä. Sateettomien jaksojen kestoissa ei havaita selvää muutosta vuosikymmenten kuluessa. Kuva 6.7 Sateettomien jaksojen keskimääräinen kesto eri kesäkuukausina ja vuosikymmeninä. Punainen viiva kuvaa kuukausikeskiarvoa, turkoosilla viivalla on esitetty kaikkien kesäkuukausien keskiarvo 50 vuoden ajalta. 42

47 6.3.2 Keston todennäköisyyksiä ja ennätyksiä Luvussa sovitettiin sadetapahtumien kestoille eksponenttijakaumia. Myös sateettomien jaksojen keston arvioidaan noudattavan kaavan 2.3 mukaista eksponenttijakaumaa tarpeeksi suurissa otoksissa. Eksponenttijakauman todettiin kuvaavan Helsingin Kaisaniemen sateettomia jaksoja melko hyvin, selitysasteella Eksponenttijakauma kuvaa kuitenkin etenkin lyhytkestoisia sateettomia jaksoja vain kohtuullisesti. Kahden eksponenttijakauman summa osoittautui kuvaamaan selvästi paremmin myös sateettomia jaksoja. Havaintojen jakauma ja kahden eksponenttijakauman summa ovat esitettyinä kuvassa 6.8. Helsingin Kaisaniemen aineistosta muodostettu eksponenttifunktioiden summa saa vakioineen kaavan 6.2 muodon: f ( x) exp( x) exp( x) =, kun x 5 (6.2) missä x on sateettoman jakson kesto minuutteina. Jakauman selitysaste on Selitysastetta voidaan pitää erittäin hyvänä, mutta se ei tosin ole aivan yhtä hyvä kuin sadetapahtumien kestoille saatu selitysaste. Kuvassa 6.9 on esitetty jakauman residuaalit. Residuaaleista nähdään, että 5 15 minuutin kestoilla teoreettisen jakauman sopivuus havaintoihin on huono, ja ero on pahimmillaan 20 %. Yli vuorokauden kestävillä sateettomilla jaksoilla residuaali on pieni. Noin puolessa tapauksissa sateeton jakso kestää 3 tuntia tai sitä lyhyemmän ajan. 80 % sateettomista jaksoista kestää alle vuorokauden. Sateettomien jaksojen todennäköisyyksiä on listattu taulukossa 6.3. Suuri osa sateettomista jaksoista sadetapahtumien välillä on lyhyitä, mikä osaltaan todistaa, että sadetapahtumat esiintyvät yleensä ryppäissä. On siis todennäköisempää, että pistemittauspaikan ylitse kulkee useampia peräkkäisiä sadekuuroja tai hajanainen sadealue kuin yksittäinen sadekuuro tai yksi täysin yhtenäinen sadealue. 43

48 Kuva 6.8 Sateettoman jakson kestoajan kertymätodennäköisyys havaintoihin ja kaavan 6.2 teoreettiseen jakaumaan perustuen. Pystyakselin kertymätodennäköisyys ilmaisee, kuinka suuri osuus sateettomista jaksoista kestää vähintään vaaka-akselilla esitetyn ajan verran. Kuva 6.9 Sateettomien jaksojen kestoajan residuaalit, eli erot havaittujen arvojen ja kaavan 6.2 jakauman välillä. Taulukko 6.3 Sateettomien jaksojen kestojen todennäköisyyksiä teoreettisen jakaumaan perustuen. Kesto Todennäköisyys Kesto Todennäköisyys vähintään [%] vähintään [%] 0.5 h h h vrk h vrk h vrk h vrk

49 Pisin yhtäjaksoinen sateeton jakso mitattiin piirtävällä sademittarilla vuonna 1960, jolloin sateetonta oli yhteensä 32 vrk 22 tuntia. Keräysastia, joka tosin sijaitsi silloin 200 metrin etäisyydellä piirtävästä sademittarista Ilmatieteen keskuslaitoksen yhteydessä, havaitsi samaan aikaan vain 24 vuorokauden yhtenäisen sateettoman jakson, koska yhtenä havaintovuorokautena havaittu 0.1 mm sadesumma katkaisi jakson. Yli 30 vuorokautta pidempiä sateettomia jaksoja kesäkuukausien aikana jaksolla oli piirtävän sademittarin havaintojen mukaan Sadesumma Keskimääräinen sadesumma Sadetapahtuman sadesumma riippuu monista tekijöistä, kuten esimerkiksi sadetyypistä. Konvektiiviset sateet ovat suuripisaraisia ja intensiteetiltään voimakkaampia kuin rintamasateet. Sadesummaan vaikuttaa myös sadetapahtuman kesto. Mitä pidempikestoinen sadetapahtuma on, sitä enemmän sadetta ehtii kertyä sen aikana. Kuvassa 6.10 on esitetty sadetapahtuman keskimääräisen sadesumman vaihtelu kuukausittain ja vuosikymmenittäin. Keskimäärin pienimmät sadesummat kertyvät toukokuun sateissa, jolloin pienipisaraiset rintamasateet hallitsevat. Suurimmat sadesummat kertyvät elokuun konvektion hallitsemissa sateissa. Heinäkuussa ja syyskuussa keskimääräinen sadesumma on suurin piirtein yhtä suuri, vaikka heinäkuussa konvektiivisten sateiden osuus on suurempi kuin syyskuussa. Syynä syyskuun suurehkoon sadesummaan ovat pitkäkestoiset sateet, joissa yhden sadetapahtuman aikana ehtii kertyä melko suuria sadesummia. 50- ja 90-luvuilla sadetapahtumien sadesummat olivat suurimmillaan. Kyseisinä vuosikymmeninä myös sadetapahtumien kesto oli pidempi kuin muina vuosikymmeninä, joten sadesummien suuruus johtuu suureksi osaksi tapahtumien pitkäkestoisuudesta. Sadesummissa ei vuosikymmenten kuluessa havaita ilmastonmuutokseen viittaavia merkkejä. 45

50 Kuva 6.10 Sadetapahtuman keskimääräinen sadesumma eri kesäkuukausina ja vuosikymmeninä. Punainen viiva kuvaa kuukausikeskiarvoa, turkoosilla viivalla on esitetty kaikkien kesäkuukausien keskiarvo 50 vuoden ajalta Todennäköisyyksiä ja ennätyksiä Luvussa mainittiin, että usein yksittäisten sadetapahtumien sadantojen on todettu noudattavan tyydyttävästi kaavan 2.4 mukaista gammajakaumaa. Tässä tutkimuksessa gammajakauman sijaan sadetapahtumien sadesummille sovitettiin kahden ekponenttijakauman summa, kuten aiemmin tehtiin jo sadetapahtumien ja sateettomien jaksojen kestoille. Kahden eksponenttifunkion summan sovitus havaintoihin on esillä kuvassa Jakauma saa vakioiden kanssa kaavan 6.3 mukaisen muodon: f ( x) exp( x) exp( x) =, x 0. 1 (6.3) missä x on sadesumma yksikössä mm. Jakauman selitysaste on Kuvassa 6.12 on esitetty jakauman sopivuutta havaintoihin kuvaavat residuaalit. Pienillä sadesumman arvoilla residuaalit ovat muutaman prosentin suuruusluokkaa, ja yli 5 mm sadetapahtumissa residuaalit ovat hyvin pieniä. Voidaan todeta, että ekponenttijakaumien summa on Kaisaniemen aineistolle sopiva jakauma kuvaamaan sadetapahtumien sadesummia. Ei ole varmaa, soveltuuko samankaltainen jakauma myös Suomen muiden mittausasemien sadesummille yhtä hyvin, mutta voidaan olettaa, että sopivuus on muillakin mittausasemilla vähintään melko hyvä. Sadetapahtumien sadesumma jää useimmiten melko pieneksi. Kuvasta 6.11 nähdään, että ekponenttijakauman luonteen mukaisesti sadetapahtumien määrän käyrä romahtaa alas 46

51 nopeasti sadesumman kasvaessa. 65 %:ssa sadetapahtumista sadesumma on 1 mm tai vähemmän. Yli 10 mm sadesummia kertyy vain vajaassa 3 %:ssa sadetapauksista. Todennäköisyydet ovat nähtävissä kuvasta 6.11, mutta selvyyden vuoksi teoreettiseen jakaumaan perustuvia arvoja on listattu myös taulukkoon 6.4. Kuva 6.11 Sadetapahtuman sadesumman kertymätodennäköisyys havaintoihin ja kaavan 6.3 teoreettiseen jakaumaan perustuen. Pystyakselin kertymätodennäköisyys ilmaisee, kuinka suuressa osuudessa sadetapahtumia sadesumma on vähintään vaaka-akselin osoittaman arvon verran. Kuva 6.12 Sadetapahtumien sadesummien residuaalit, eli erot havaittujen arvojen ja kaavan 6.3 jakauman välillä. 47

52 Taulukko 6.4 Sadetapahtuman sadesumman todennäköisyyksiä teoreettiseen jakaumaan perustuen. Sadesumma Todennäköisyys Sadesumma Todennäköisyys [mm] [%] [mm] [%] vuoden jaksolla esiintyneet Kaisaniemen kymmenen suurinta sadetapahtuman sadesummaa ovat esillä taulukossa 6.5. Suurin yksittäisen sadetapahtuman sadesumma mitattiin heinäkuussa 1993, jolloin vajaan 13 tunnin aikana satoi yli 45 mm. Ennätyssadetapahtuman keskimääräinen intensiteetti oli pieni, mutta sateen pitkäkestoisuuden johdosta sadesumma oli suuri. Ennätystaulukon sadetapahtumien kestot vaihtelevat suuresti. 50-luvun sadetapahtumista yksikään ei päässyt 10 suurimman sadesumman taulukkoon. Eniten ennätystapauksia oli 60-luvulla. Taulukko 6.5 Suurimmat sadesummat yksittäisissä sadetapauksissa. sadesumma kesto keski-intensiteetti alkamispäivämäärä [mm] [mm/min] h 40 min h h 30 min h 45 min h 30 min h 30 min h 50 min h 30 min h 55 min h 50 min Vuorokausivaihtelu Aineistosta selvitettiin sadesumman jakautumista vuorokauden sisällä jakamalla vuorokausi kahden tunnin mittaisiin osiin siten, että parilliset tunnit olivat rajana. Aineistosta tutkittiin, kuinka paljon kuukauden sademäärästä kertyi kyseisen kahden tunnin aikana. Tulokset on esitetty kuvassa Kuusisto (1980) havaitsi, että Helsingissä satoi kesä-elokuussa eniten 48

53 aamulla klo 06 ja 09 välillä, toinen maksimi havaittiin iltapäivällä noin klo 16 aikaan. Kuvan 6.13 esittämien tulosten mukaan aamun maksimi on ajoittunut aikaisemmaksi, mutta iltapäivämaksimi on suurin piirtein samaan aikaan kuin Kuusiston tutkimuksessa. Aamun sadesumman maksimi voimistuu kesän edetessä, ja on selvästi voimakkain elokuussa. Kuusisto (1980) ei tutkimuksessaan ottanut kantaa aamumaksimin syihin. Simojoki (1944) havaitsi aamumaksimin Sodankylän, Revonlahden ja Ilmajoen mittausasemilla, mutta ei Helsingin mittausasemalla. Helsingin Kaisaniemessä meri on usein loppukesällä lämpimämpi kuin maa, etenkin öisin. On mahdollista, että lämpimän meren ylle virtaava ilma muuttuu epävakaisemmaksi ja sadekuurot yleistyvät varhain aamulla. Toukokuussa aamun maksimia ei vielä havaita, sen sijaan pieni iltapäivämaksimi havaitaan jo silloin. Iltapäivämaksimi on voimakkain kesäkuussa ja elokuussa. Meren läheisyys tasoittaa vuorokausivaihtelua ja maksimit eivät ole voimakkaita. Sisämaassa iltapäivämaksimin on todettu erottuvan paljon selvemmin. Koko kesän sadesumman minimi ajoittuu aamuyön klo 02 ja 04 välille. Toukokuussa vuorokausivaihtelu on hyvin vähäistä, koska konvektiivisia sateita esiintyy vain vähän. Myös syyskuussa vuorokautinen vaihtelu on suhteellisen pientä, mutta sademäärät ovat toukokuuta suurempia koko vuorokauden ajan. Syyskuussa sadesummalla on kolme pientä maksimia: klo 04 06, ja Kesä-, heinä- ja elokuussa konvektiiviset sateet voimistavat vuorokausivaihtelua. Kesäkuussa on selvä iltapäivämaksimi klo 16 18, ja pienempi aamumaksimi klo Vähäisintä sade on kesäkuussa klo Heinäkuussa on neljä vuorokausimaksimia: klo 04 06, 12 14, ja Heinäkuun maksimeista voimakkain on iltapäivämaksimi. Elokuussa aamuyön maksimi on iltapäivämaksimia voimakkaampi. Elokuussa sataa vähiten klo ja Kuva 6.13 Keskimääräisen kuukausisadesumman vuorokausivaihtelu. Vaaka-akselilla on kellonaika, pystyakselilla on kahden tunnin sadesumma. 49

54 Sadesumman vuorokautista jakautumista selvitettiin tarkemmin asettamalla raja-arvoja sadesummalle ja tutkimalla, kuinka suuressa osassa aineistoa raja-arvo ylittyi. Raja-arvon ylittävien tapausten määrä voidaan tulkita tapausten esiintymistodennäköisyytenä, koska tutkimusaineisto on riittävän suuri. Tulokset näkyvät kuvassa Todennäköisyyksiä tarkasteltiin kahden tunnin mittaisille jaksoille, joten kuvaa 6.14 ei kannata tulkita liian yksityiskohtaisesti. Kuvassa 6.14 a) raja-arvona on käytetty 0 mm, eli siitä nähdään todennäköisyys sille, että kyseisten kahden tunnin aikana ylipäätään sataa. Muina rajaarvoina käytettiin 0.5 mm, 1 mm ja 3 mm, ja ne ilmaisevat todennäköisyyden sille, että kyseisten kahden tunnin aikana sataa vähintään raja-arvon verran. Kuvan 6.14 tarkoituksena on havainnollistaa, miten sateen todennäköisyys muuttuu eri kuukausina vuorokauden aikana, ja milloin todennäköisesti sadesumma on suuri. Kuvasta 6.14 a) nähdään, että sade on kesällä todennäköisintä aamulla kello ja illalla klo Klo sade on kaikkina kesäkuukausina epätodennäköisintä. Todennäköisyys sateelle kasvaa loppukesää kohti selvästi. Toukokuussa todennäköisyys sateelle on noin 20 %, loppukesällä todennäköisyys on yli 30 %. Kun raja-arvona käytettiin 0.5 mm, että todennäköisyydet laskevat alle 10 %:iin. Kaikista todennäköisin ajankohta yli 0.5 mm sateille on syyskuussa klo Yli 1 mm sadesumman todennäköisyys on 2 6 %. Yli 1 mm sateet ajoittuvat läpi kesän todennäköisimmin iltapäivälle, mutta etenkin kesäkuussa myös klo niiden esiintymistodennäköisyys on suhteellisen suuri. Elokuussa 1 mm sateita esiintyy melko paljon myös klo ja syyskuussa klo Kun raja-arvona käytettiin 3 mm, saatiin aineistosta eroteltua suurimmat sademäärät. Suurien sademäärien todennäköisyys on pienimmillään toukokuussa, ja se kasvaa elokuuhun asti, kunnes syyskuussa todennäköisyys jälleen laskee. Kuvasta 6.14 d) erottuu selvästi elokuun kolme maksimia: klo 00 02, ja 16 18, joista iltapäivämaksimi on voimakkain. Heinäkuussa runsaita sateita esiintyy todennäköisimmin klo ja Yhteenvetona kuvasta 6.14 voidaan todeta, että toukokuussa sateen todennäköisyys on kaikilla sadesumman raja-arvoilla kesäkuukausista pienin. Kesäkuussa sade on todennäköisintä aamulla ja myöhään iltapäivällä. Kesäkuun runsaimmat sateet esiintyvät todennäköisimmin iltapäivällä. Kesäkuussa sade kaikilla raja-arvoilla on epätodennäköisintä klo Heinäkuussa sade on kesäkuun lailla todennäköisintä aamulla ja myöhään iltapäivällä, runsaimmat sateet esiintyvät todennäköisimmin klo ja Elokuussa runsaat sateet ovat todennäköisempiä kuin muina kesäkuukausina ja runsailla sateilla on 50

55 kolme selvää maksimia. Pienemmillä raja-arvoilla maksimit eivät erotu yhtä hyvin. Syyskuussa runsaat sateet ovat harvinaisempia kuin elokuussa, mutta syyskuussa etenkin yli mm sadesummat ovat muita kesäkuukausia yleisempiä. Kuva 6.14 Sateen todennäköisyyden vuorokausivaihtelu eri kesäkuukausina. Asteikon arvo ilmaisee todennäköisyyden, että kahden tunnin sadesumma on vähintään raja-arvon verran. a)-kuvassa sadesumman raja-arvona on käytetty 0 mm, b)-kuvassa 0.5 mm, c)-kuvassa 1 mm ja d)-kuvassa 3 mm (huomaa kuvien eri asteikot). 51

56 6.5 Sateen intensiteetti Keskimääräinen intensiteetti Sateen intensiteettiä tutkittiin Kaisaniemen aineistosta laskemalla eri kuukausille ja vuosikymmenille keskimääräiset sateen intensiteetit. Sateettomat jaksot jätettiin tarkastelun ulkopuolelle, joten ne eivät vaikuta keskimääräiseen intensiteettiin. Sateen intensiteetin tarkastelu ei ole sidottu sadetapahtuman käsitteeseen, vaan sateita tarkastellaan kokonaisuutena. Kuvassa 6.15 on esitetty keskimääräisen sateen intensiteetin vaihtelu eri kesäkuukausina ja vuosikymmeninä, ja kuvasta tulevat selvästi esille heinä- ja elokuun rankimmat sateet. Etenkin heinäkuussa myös vuosikymmentenvälinen vaihtelu on suurta. Ei ole yllättävää, että sateen intensiteetti on pienin toukokuussa, koska silloin ei esiinny paljon konvektiivisia sateita. Kesäkuussa ja syyskuussa keskimääräinen intensiteetti on suunnilleen yhtä suuri. Keskimäärin rankimpia sateita esiintyi 90-luvun heinäkuussa. Tulokset ovat lähellä Rantakransin (1967) tulokseksi saamia intensiteettejä, jotka esitettiin taulukossa 2.2. Kuva 6.15 Keskimääräisen sateen intensiteetin vaihtelu eri kesäkuukausina ja vuosikymmeninä. Punainen viiva kuvaa kuukausikeskiarvoa, turkoosilla viivalla on esitetty kaikkien kesäkuukausien keskiarvo 50 vuoden ajalta. Sateen intensiteetin vuosittaista vaihtelua tutkimalla haluttiin selvittää tarkemmin, onko keskimääräisessä intensiteetissä tapahtunut muutoksia vuosien 50 vuoden aikana. Kuvassa 6.16 on esillä kaikkien kesien keskimääräiset intensiteetit 50 vuoden ajalta. Keskimääräinen intensiteetti vaihtelee vuosittain satunnaisesti. Jälkimmäisen 25 vuoden aikana vuosien välinen vaihtelu on alkupuoliskoa hieman vähäisempää. Aikasarjan trendi on hieman nouseva, mutta t-testin mukaan ei kuitenkaan merkitsevästi nouseva merkitsevyystasolla 52

57 0.05. Myöskään hajonta ei ole jälkimmäisen 25 vuoden aikana tilastollisesti merkittävästi vähäisempää. Kuva 6.16 Koko kesän keskimääräisen sateen intensiteetin vaihtelu vuosittain Vuorokausivaihtelu Sateen keskimääräisen intensiteetin vuorokausivaihtelua tutkittiin kahden tunnin jaksoissa. Kaikista kahden tunnin aikana esiintyneistä sateista laskettiin keskimääräinen intensiteetti. Tulokset näkyvät kuvassa Suurimman osan vuorokaudesta intensiteetti on suurin elokuussa. Etenkin klo 10 ja 18 välillä ovat elokuun sateet selvästi muiden kesäkuukausien sateita rankempia. Klo 02 04, ja sade on rankinta heinäkuussa, ja klo sade on rankinta syyskuussa. Syyskuun sateiden vuorokauden keskimääräinen intensiteetti on suhteellisen pieni, kuten kuvasta 6.15 tuli ilmi, mutta konvektiivisten sateiden vähyys muina kuukausina klo on todennäköinen syy siihen, että syyskuu nousee maksimiksi. Kesä-, heinä- ja elokuussa erottuu heikko iltapäivämaksimi. Touko- ja syyskuussa iltapäivämaksimia ei havaita. Sadesummalla on kuvan 6.13 mukaan elokuussa selvä maksimi aamulla klo 04-08, intensiteeteissä ei havaita samaan aikaan maksimia. Kuvasta 6.14, että sade on todennäköisintä aamulla klo 06-08, joten elokuun aamun suuri sadesumma kertyy useasti esiintyvistä intensiteetiltään kohtalaisista sateista. 53

58 Kuva 6.17 Sateen keskimääräisen intensiteetin vuorokausivaihtelu eri kesäkuukausina. Vaaka-akselilla on kellonaika, pystyakselilla on keskimääräinen sateen intensiteetti kahden tunnin ajalta. Keskimääräisen intensiteetin lisäksi tutkittiin myös maksimi-intensiteetin vuorokautista vaihtelua Kaisaniemessä. Aineistoa käsiteltiin kahden tunnin jaksoissa, ja jokaiselta havaintopäivältä otettiin kyseisen kahden tunnin jakson maksimi-intensiteetti, mikäli aikavälillä satoi. Päivittäisille maksimi-intensiteeteille laskettiin keskiarvot. Tulokset näkyvät kuvassa Myös maksimi-intensiteetti saavuttaa suurimmat arvonsa yleisimmin iltapäivällä. Toukokuussa myös maksimi-intensiteetin vuorokausivaihtelu on pientä. Kesäkuussa maksimi-intensiteetin iltapäivämaksimi on selvempi kuin keskimääräisen intensiteetin maksimi. Heinä-, elo- ja syyskuun maksimi-intensiteetin käyrät ovat pääpiirteiltään samanmuotoisia keskimääräisen intensiteetin käyrien kanssa, mutta maksimiintensiteetin vuorokausivaihtelu on suurempaa. Kuva 6.18 Sateen maksimi-intensiteetin vuorokausivaihtelu eri kesäkuukausina. Vaakaakselilla on kellonaika, pystyakselilla on keskimääräinen sateen maksimi-intensiteetti kahden tunnin ajalta. 54

59 Luvussa käsiteltiin sadesummien todennäköisyyksien tutkimista asettamalla rajaarvoja sadesummille. Samaan tapaan tutkittiin myös sateen intensiteettien todennäköisyyksiä. Aineistosta selvitettiin kahden tunnin jaksojen sateen keskimääräinen intensiteetti eri vuorokauden aikoina. Sateen keskimääräisen intensiteetin raja-arvoiksi asetettiin 0.01 mm/min ja 0.08 mm/min. Noin 55 % jaksojen aikana esiintyneistä sateista ylitti alemman raja-arvon, mutta ylempi raja-arvo karsi mukaan vain intensiteetiltään suurimmat sateet, noin 5 % kaikista sateista. Esiintymistodennäköisyydet selvitettiin laskemalla, kuinka suuressa osassa aineistoa raja-arvo ylittyi. Intensiteetin todennäköisyyksistä saadaan selville, milloin sateet ovat keskimäärin rankkoja, vaikka niiden lyhytkestoisuuden vuoksi kertyvä sadesumma ei aina ole suuri. Näin ollen sadesumman ja intensiteetin todennäköisyyksien vuorokausivaihtelu voivat olla hyvin erilaisia. Sadesumman todennäköisyyksiä tutkittiin kuukausitasolla, mutta intensiteetin vuorokausivaihtelua haluttiin tutkia paremmalla ajallisella erotuskyvyllä, joten kuukaudet jaettiin kolmeen osaan taulukon 6.6 mukaisesti. Päivätasolla tarkastelu ei olisi järkevää, mutta kuukausien jakaminen kolmeen osaan takaa vielä tuloksia, joista ilmastollisia piirteitä voidaan tarkastella. Kuvassa 6.19 on esitetty todennäköisyyksiä tapauksille, joissa kahden tunnin aikana sateen keskimääräinen intensiteetti on vähintään 0.01 mm/min. Kuvasta erottuvat tumman punaisella ajanjaksot, jolloin rajan ylittävä sade on kaikista todennäköisintä. Nuo ajanjaksot esiintyvät pääasiassa elokuussa ja syyskuussa iltapäivällä, mutta selvänä poikkeuksena on kesäkuun lopun iltapäivämaksimi. Mielenkiintoinen tulos on myös se, että aamuyöllä todennäköisimmät raja-arvon ylitykset esiintyvät heinä-, elo- ja syyskuun viimeisellä kolmanneksella, mutta kuun kahtena ensimmäisenä kolmanneksena raja-arvon ylityksen todennäköisyys on aamuyöllä melko pieni. Mikään meteorologinen ilmiö ei selitä sitä. Heinäkuu III erottaa kesä-heinäkuun ja loppukesän iltapäivämaksimit toisistaan, koska silloin iltapäivämaksimi puuttuu kokonaan ja maksimi on myöhään illalla. Juuri heinäkuussa iltapäiväkuurojen pitäisi olla todennäköisiä, joten heinäkuu III:n tulos on ristiriitainen heinäkuun yleisen tilanteen kanssa. Kuvassa 6.20 on esillä todennäköisyydet intensiteeteille, kun sateen keskimääräisen intensiteetin raja-arvona on käytetty 0.08 mm/min. Kuvaan 6.19 verrattuna kuvassa 6.20 erottuu laajahko valkea alue, jolloin todennäköisyys on lähellä nollaa. Siitä ei kuitenkaan voida vetää johtopäätöstä, että yleisesti 0.08 mm/min ylittäviä keskimääräisiä intensiteettejä 55

60 ei esimerkiksi toukokuussa voi esiintyä lainkaan. Tuloksesta sen sijaan voidaan päätellä, että 50 vuoden mittaisella tutkimusjaksolla rankat sateet olivat toukokuussa hyvin harvinaisia. Kuvasta 6.20 erottuu kolme selvää maksimia, joista voimakkain on elokuussa klo Kaksi muuta ovat heinä-elokuun vaihteessa klo ja heinäkuun puolessavälissä klo Kaikki yli 1 %:n todennäköisyydet rajautuvat kesäkuun lopun ja elokuun lopun välille. Edellä mainittiin, että yli 0.01 mm/min intensiteettien todennäköisyys oli suhteellisen pieni heinäkuun lopulla. Myös 0.08 mm/min raja-arvolla havaitaan suhteellisen pieniä todennäköisyyksiä heinäkuun lopulla, ja vastaavasti todennäköisimmin raja-arvo ylittyy klo Kuukauden sisäiset erot ovat rankoilla sateilla myös suuria. Esimerkiksi heinäkuun puolessa välissä havaitaan kello 8 10 suhteellisesti todennäköisimmin rankkoja sateita, mutta heinäkuun lopulla rankat sateet samaan kellon aikaan ovat harvinaisia. Voidaan vetää johtopäätös, että sateen intensiteetin todennäköisyydet eivät jakaudu tasaisesti alle kuukauden mittaisilla jaksoilla, ja todennäköisyyksissä voi esiintyä suuriakin ajallisia vaihteluita. Kuukausiarvot antavat yleiskuvan tilanteesta, mutta niiden avulla ei saa kunnollista tietoa ajallisesta hienorakenteesta. Kuukauden jakaminen kolmeen osaan tuo lisäinformaatiota sateen intensiteetin todennäköisyyksistä, mutta luotettavan yleiskuvan saamiseksi olisi hyvä analysoida aineistoa vieläkin pidemmältä tutkimusjaksolta, jotta vältyttäisiin aineiston hälyltä. Taulukko 6.6 Kesäkauden jaottelu jaksoihin kuvissa jaksot pvm jaksot pvm jaksot pvm jaksot pvm jaksot pvm toukokuu I kesäkuu I heinäkuu I elokuu I syyskuu I toukokuu II kesäkuu II heinäkuu II elokuu II syyskuu II toukokuu III kesäkuu III heinäkuu III elokuu III syyskuu III

61 Kuva 6.19 Sateen intensiteetin todennäköisyyden vuorokausivaihtelu. Väriasteikko osoittaa todennäköisyyden, että kahden tunnin keskimääräinen intensiteetti ylittää raja-arvon 0.01 mm/min. Sateeton aika ei sisälly intensiteetteihin. Kuva 6.20 Intensiteetiltään rankkojen sateiden todennäköisyyden vuorokausivaihtelu. Väriasteikko osoittaa todennäköisyyden, että kahden tunnin keskimääräinen intensiteetti ylittää raja-arvon 0.08 mm/min. Sateeton aika ei sisälly intensiteetteihin. 57

62 6.5.3 Rankkojen sateiden määrä Etenkin kaupunkihydrologian näkökulmasta rankat sateet ovat kaikista mielenkiintoisimpia, koska ne voivat aiheuttaa monenlaisia ongelmia, jos niihin ei ole osattu varautua. Helsingin Kaisaniemessä runsainten sateiden yhteydessä esiintyy silloin tällöin kaupunkitulvia. Ongelmallista on, että rankkojen sateiden tutkimiseen piirtävän sademittarin aineistosta liittyy tavallista suurempi epätarkkuus. Mittalaite on usein liian hidas ja epätarkka, kun vettä tulee lyhyessä ajassa paljon. Piirtävän sademittarin aineistosta on mahdollista kuitenkin arvioida rankkojen sateiden ominaisuuksia, mutta tuloksia tulkittaessa on niiden suurehko epätarkkuus pidettävä mielessä. Kun sadantaa tarkastellaan sadetapahtumina, voidaan jokaiselle sadetapahtumalle laskea keskimääräinen intensiteetti. Sadetapahtumien keskimääräiset intensiteetit on esitetty kuvassa 6.21 sadetapahtuman keston mukaan jaoteltuina. Lyhyillä kestoilla havaitaan selvästi suurempia keskimääräisiä sateen intensiteettejä kuin pitkillä. Mittausvirheen osuus on suurempi rankoilla lyhytkestoisilla sadetapahtumilla kuin muillasadetapahtumilla. Yli 0.2 mm/min keskimääräisiä intensiteettejä esiintyy vain harvoin yli tunnin mittaisissa sadetapahtumissa. Luvussa 2.5 esiteltiin määritelmiä rankoille sateille. Tässä tutkimuksessa sovellettiin taulukossa 2.1 esitettyä Rantakransin määritelmää sateen rankkuudelle, ja määritelmän raja-arvot esitettiin taulukossa 2.1. Määritelmään pohjautuva raja-arvojakauma rankkuudelle on myös liitetty kuvaan Sadetapahtumista 334 kappaletta, eli noin 3 %, ylittää keskimääräisellä intensiteetillään rankkuusrajan. Vuosittain rankkoja sadetapahtumia esiintyi 0 18 kertaa, keskimäärin 7 kertaa vuodessa. Lähes 60 % rankoista sadetapahtumista ajoittui heinä-elokuulle. On syytä korostaa, että tässä yhteydessä tarkasteltiin sadetapahtumia kokonaisuutena, eikä sadetapahtuman sisäisiä intensiteetin arvoja otettu huomioon. Monissa tapauksissa sadetapahtuman aikana voi sataa lyhyen aikaa rankasti, mutta kokonaisuudessaan sadetapahtuma ei ole rankka. Rantakransin (1967) määritelmä soveltuu rajaamaan Helsingin Kaisaniemen sadetapahtumissa sopivan määrän rankaksi, mutta jos intensiteettejä tarkastellaan sadetapahtumista riippumattomina, määritelmä asettaa rankkuusrajan liian alhaalle. 58

63 Kuva 6.21 Sadetapahtumien keskimääräinen intensiteetti. Punainen viiva kuvaa Rantakransin (1967) määritelmän mukaan sovitettua raja-arvokäyrää rankoille sateille. Jokaisen 50 havaintovuoden rankimmat sateet koottiin aikasarjaksi. Kuvan 6.22 aikasarjassa on esitetty vuoden suurin 5 60 minuutin aikana kertynyt sadesumma. Kuvasta nähdään, että 5 minuutin sadesumma korreloi todella hyvin 60 minuutin sadesumman kanssa. Vuosittaisten maksimien arvot eivät ole muuttuneet merkittävästi 50 vuoden aikana, joten ei voida vetää johtopäätöksiä, että rankat sateet olisivat voimistuneet tai heikentyneet vuosisadan loppua kohti. Vuosittainen vaihtelu on koko jaksolla suurta, mutta 70-luvun puoliväistä 90-luvun puoliväliin asti se oli hieman vähäisempää kuin muulloin. Suurin sadesumma mitattiin kaikilla viidellä kuvan 6.22 esittämällä kestolla vuonna 1960, jolloin 5 minuutissa satoi 10.7 mm, 10 minuutissa 16.7 mm, 15 minuutissa 22 mm, 30 minuutissa 26.0 mm ja 60 minuutissa 32.3 mm. Sadesummat ovat pienempiä kuin luvussa 2.5 mainituissa Tukholman ennätyssateissa. 59

64 Kuva minuutin aikana kertyneen sademäärän maksimiarvot vuosina Rankkojen sateiden ajallinen muoto Pistemittauksessa sateen ajallinen muoto on jakautunut satunnaisesti johtuen sadannan satunnaisesta luonteesta ja sadealueen satunnaisesta liikkumisesta mittauspisteen yli. Sateen ajallista muotoa ei ole Suomessa aiemmin tutkittu, ja myös ulkomaisia tutkimuksia on hyvin vähän. Kaisaniemen aineistosta haluttiin selvittää, onko sateiden muodossa yhteneväisyyksiä. Koska kaikkien sadetapahtumien vertailu on vaikeaa sateen satunnaisen ajallisen muodon vuoksi, valittiin ajallisen muodon tutkimukseen mukaan vain rankimpia tapauksia. Tutkittaviksi sateiksi valittiin sateet, joissa 5 minuutin intensiteetti ylitti 0.6 mm/min. Mukaan karsiutui 56 hetkellisesti rankinta tapausta 50 vuoden ajalta. Rankat sateet keskitettiin rankimman kohdan mukaan, ja ajalle asetettiin raja-arvoiksi kaksi tuntia intensiteetin huippukohdan ennen ja jälkeen. Sateet normitettiin siten, että suurin intensiteetti vastaa arvoa 1. Kuvassa 6.23 on esitetty 56 rankimman tapauksen sateen ajallinen jakauma. Yksittäiset jakaumat eroavat toisistaan paljon. Muutamissa tapauksissa sateen intensiteetillä on monta lähes yhtä voimakasta maksimia. Useammin muut maksimit esiintyvät 5 30 minuuttia päämaksimin jälkeen. Muutamassa tapauksessa jo ennen päämaksimia esiintyi intensiteetiltään voimakkaita sateita. Melko yleisesti päämaksimia edeltää ja seuraa jakso, jossa intensiteetit ovat vain murto-osan päämaksimin intensiteetistä. Kuvaan 6.23 on mustalla piirretty 56 tapauksesta laskettu keskiarvokäyrä rankan sateen muodolle. Keskiarvon perusteella noin 30 minuuttia ennen päämaksimia sateen intensiteetti alkaa kasvaa. Aluksi kasvu on hidasta, mutta 15 minuuttia ennen huippua se nopeutuu. Intensiteettimaksimin jälkeen sateen intensiteetti pienenee heti nopeasti, ja sen jälkeen 60

65 pieneneminen hidastuu ja jatkuu tasaisena 20 minuuttia päämaksimin jälkeen. Päämaksimin jälkeen sateen intensiteetti on keskimäärin hieman korkeampi kuin ennen päämaksimia. Rankan sateen keskimääräinen muoto ei ole täysin symmetrinen päämaksimin suhteen. Kuvan 6.23 yleistetty muoto rankalle sateelle on täysin teoreettinen, eikä sillä voida ennustaa yksittäisten rankkojen sateiden ajallista muotoa. Kuvassa 6.24 on esitetty kuvan 6.23 tapausten välinen keskihajonta. Keskihajonta on normitetuille arvoille nolla päämaksimin kohdalla. Keskihajonta on suurempi heti päämaksimin jälkeen kuin juuri ennen päämaksimia. Päämaksimin jälkeen esiintyy siis useammin melko rankkoja sateita kuin ennen päämaksimia minuuttia päämaksimin jälkeen hajonta on jonkin verran suurempaa kuin minuuttia ennen päämaksimia. Myös keskihajonnan suuruus on merkki siitä, että luonnossa yksittäiset rankat sateet eivät käyttäydy kuvan 6.23 keskiarvokäyrän mukaisesti. Rankalle sateelle muodostettua muotoa voidaan pitää karkeana mallina sateen muodosta. Jos tutkimusta olisi laajennettu kaikkiin sateisiin, olisi sateen muodolle ollut vieläkin vaikeampi ollut saada yleistettyä muotoa. Sateen muoto vaihtelee satunnaisesti sadetyypistä, sateen liikkeestä ja muista tekijöistä riippuen. Sateen muodon laajemmassa tutkimuksessa olisi tarpeen lajitella sateet aliluokkiin, koska muuten keskihajonta kasvaa hyvin suureksi ja ajallinen muoto ei tule hyvin esiin. Sateen vaihteleva kesto asettaa myös haasteen sateen muodon järkevälle vertailulle ja yleistämiselle. Kuva hetkellisesti rankimman sateen normeerattu ajallinen muoto. Vaaka-akselilla on aika, ja sen nollakohta on suurimman hetkellisen intensiteetin kohdalla. Pystyakselilla on maksimiarvoon 1 normeerattu intensiteetti. Musta viiva kuvaa kaikkien tapausten keskiarvoa. 61

Pro gradu -tutkielma Meteorologia SUOMESSA ESIINTYVIEN LÄMPÖTILAN ÄÄRIARVOJEN MALLINTAMINEN YKSIDIMENSIOISILLA ILMAKEHÄMALLEILLA. Karoliina Ljungberg

Pro gradu -tutkielma Meteorologia SUOMESSA ESIINTYVIEN LÄMPÖTILAN ÄÄRIARVOJEN MALLINTAMINEN YKSIDIMENSIOISILLA ILMAKEHÄMALLEILLA. Karoliina Ljungberg Pro gradu -tutkielma Meteorologia SUOMESSA ESIINTYVIEN LÄMPÖTILAN ÄÄRIARVOJEN MALLINTAMINEN YKSIDIMENSIOISILLA ILMAKEHÄMALLEILLA Karoliina Ljungberg 16.04.2009 Ohjaajat: Ari Venäläinen, Jouni Räisänen

Lisätiedot

Harjoitus 2: Matlab - Statistical Toolbox

Harjoitus 2: Matlab - Statistical Toolbox Harjoitus 2: Matlab - Statistical Toolbox Mat-2.2107 Sovelletun matematiikan tietokonetyöt Syksy 2006 Mat-2.2107 Sovelletun matematiikan tietokonetyöt 1 Harjoituksen tavoitteet Satunnaismuuttujat ja todennäköisyysjakaumat

Lisätiedot

Termiikin ennustaminen radioluotauksista. Heikki Pohjola ja Kristian Roine

Termiikin ennustaminen radioluotauksista. Heikki Pohjola ja Kristian Roine Termiikin ennustaminen radioluotauksista Heikki Pohjola ja Kristian Roine Maanpintahavainnot havaintokojusta: lämpötila, kostea lämpötila (kosteus), vrk minimi ja maksimi. Lisäksi tuulen nopeus ja suunta,

Lisätiedot

Ilmatieteen laitos - Sää ja ilmasto - Ilmastotilastot - Terminen kasvukausi, määritelmät. Terminen kasvukausi ja sen ilmastoseuranta

Ilmatieteen laitos - Sää ja ilmasto - Ilmastotilastot - Terminen kasvukausi, määritelmät. Terminen kasvukausi ja sen ilmastoseuranta Page 1 of 6 Sää ja ilmasto > Ilmastotilastot > Terminen kasvukausi, määritelmät Suomen sää Paikallissää Varoitukset ja turvallisuus Sade- ja pilvialueet Sää Euroopassa Havaintoasemat Ilmastotilastot Ilman

Lisätiedot

Tutkapohjaiset sadetuotteet hulevesisuunnittelun apuna

Tutkapohjaiset sadetuotteet hulevesisuunnittelun apuna Vesihuoltopäivät 11.5.2017 Tutkapohjaiset sadetuotteet hulevesisuunnittelun apuna Ilmatieteen laitos: Annakaisa von Lerber, Larissa Rimpiläinen, Jarmo Koistinen, Seppo Pulkkinen, Harri Hohti, Jani Tyynelä,

Lisätiedot

Rankkasateet ja taajamatulvat (RATU)/ Rankkasateet Jarmo Koistinen Timo Kuitunen Seppo Pulkkinen Harri Hohti Janne Kotro

Rankkasateet ja taajamatulvat (RATU)/ Rankkasateet Jarmo Koistinen Timo Kuitunen Seppo Pulkkinen Harri Hohti Janne Kotro Rankkasateet ja taajamatulvat (RATU)/ Rankkasateet Jarmo Koistinen Timo Kuitunen Seppo Pulkkinen Harri Hohti Janne Kotro Avustivat: Lassi Pekka Laine, Kirsti Jylhä, Seppo Saku, Juha K. Aaltonen (SYKE/TKK),Tuomo

Lisätiedot

Mikä muuttuu, kun kasvihuoneilmiö voimistuu? Jouni Räisänen Helsingin yliopiston fysiikan laitos

Mikä muuttuu, kun kasvihuoneilmiö voimistuu? Jouni Räisänen Helsingin yliopiston fysiikan laitos Mikä muuttuu, kun kasvihuoneilmiö voimistuu? Jouni Räisänen Helsingin yliopiston fysiikan laitos 15.4.2010 Sisältöä Kasvihuoneilmiö Kasvihuoneilmiön voimistuminen Näkyykö kasvihuoneilmiön voimistumisen

Lisätiedot

ACCLIM II Ilmastonmuutosarviot ja asiantuntijapalvelu sopeutumistutkimuksia varten Kirsti Jylhä, Ilmatieteen laitos ISTO-loppuseminaari 26.1.

ACCLIM II Ilmastonmuutosarviot ja asiantuntijapalvelu sopeutumistutkimuksia varten Kirsti Jylhä, Ilmatieteen laitos ISTO-loppuseminaari 26.1. http://www.fmi.fi/acclim II Ilmastonmuutosarviot ja asiantuntijapalvelu sopeutumistutkimuksia varten Kirsti Jylhä, Ilmatieteen laitos ISTO-loppuseminaari 26.1.211 TEHTÄVÄ: tuottaa ilmaston vaihteluihin

Lisätiedot

Sääilmiöt tapahtuvat ilmakehän alimmassa kerroksessa, troposfäärissä (0- noin 15 km).

Sääilmiöt tapahtuvat ilmakehän alimmassa kerroksessa, troposfäärissä (0- noin 15 km). Sää ja ilmasto Sää (engl. weather) =ilmakehän alaosan, fysikaalinen tila määrätyllä hetkellä määrätyllä paikalla. Ilmasto (engl. climate) = pitkäaikaisten (> 30 vuotta) säävaihteluiden keskiarvo. Sääilmiöt

Lisätiedot

Floodfore säätutka sateet

Floodfore säätutka sateet Floodfore säätutka sateet Yleisesti käytetyt menetelmät: Pakotetaan tutkasateet tavalla tai toisella sademittariarvoihin lähellä sademittareita säilyttäen taas kauempana tutkasateet. (katso esim. RAINMUSIC

Lisätiedot

Tilastollinen testaus. Vilkkumaa / Kuusinen 1

Tilastollinen testaus. Vilkkumaa / Kuusinen 1 Tilastollinen testaus Vilkkumaa / Kuusinen 1 Motivointi Viime luennolla: havainnot generoineen jakauman muoto on usein tunnettu, mutta parametrit tulee estimoida Joskus parametreista on perusteltua esittää

Lisätiedot

Jatkuvat satunnaismuuttujat

Jatkuvat satunnaismuuttujat Jatkuvat satunnaismuuttujat Satunnaismuuttuja on jatkuva jos se voi ainakin periaatteessa saada kaikkia mahdollisia reaalilukuarvoja ainakin tietyltä väliltä. Täytyy ymmärtää, että tällä ei ole mitään

Lisätiedot

IL Dnro 46/400/2016 1(5) Majutveden aallokko- ja virtaustarkastelu Antti Kangas, Jan-Victor Björkqvist ja Pauli Jokinen

IL Dnro 46/400/2016 1(5) Majutveden aallokko- ja virtaustarkastelu Antti Kangas, Jan-Victor Björkqvist ja Pauli Jokinen IL Dnro 46/400/2016 1(5) Majutveden aallokko- ja virtaustarkastelu Antti Kangas, Jan-Victor Björkqvist ja Pauli Jokinen Ilmatieteen laitos 22.9.2016 IL Dnro 46/400/2016 2(5) Terminologiaa Keskituuli Tuulen

Lisätiedot

ABHELSINKI UNIVERSITY OF TECHNOLOGY

ABHELSINKI UNIVERSITY OF TECHNOLOGY Satunnaismuuttujat ja todennäköisyysjakaumat Mitä tänään? Jos satunnaisilmiötä halutaan mallintaa matemaattisesti, on ilmiön tulosvaihtoehdot kuvattava numeerisessa muodossa. Tämä tapahtuu liittämällä

Lisätiedot

KAINUUN KOEASEMAN TIEDOTE N:o 5

KAINUUN KOEASEMAN TIEDOTE N:o 5 MAATALOUDEN TUTKIMUSKESKUS KAINUUN KOEASEMAN TIEDOTE N:o 5 Martti Vuorinen Säähavaintoja Vaalan Pelsolta vuodesta 1951 VAALA 1981 issn 0357-895X SISÄLLYSLUETTELO sivu JOHDANTO 1 LÄMPÖ 1. Keskilämpötilat

Lisätiedot

Sovellettu todennäköisyyslaskenta B

Sovellettu todennäköisyyslaskenta B Sovellettu todennäköisyyslaskenta B Antti Rasila 18. lokakuuta 2007 Antti Rasila () TodB 18. lokakuuta 2007 1 / 19 1 Tilastollinen aineisto 2 Tilastollinen malli Yksinkertainen satunnaisotos 3 Otostunnusluvut

Lisätiedot

Sovellettu todennäköisyyslaskenta B

Sovellettu todennäköisyyslaskenta B Sovellettu todennäköisyyslaskenta B Antti Rasila 3. marraskuuta 2007 Antti Rasila () TodB 3. marraskuuta 2007 1 / 18 1 Varianssin luottamusväli, jatkoa 2 Bernoulli-jakauman odotusarvon luottamusväli 3

Lisätiedot

Työn laji Arbetets art Level Aika Datum Month and year Sivumäärä Sidoantal Number of pages

Työn laji Arbetets art Level Aika Datum Month and year Sivumäärä Sidoantal Number of pages Tiedekunta/Osasto Fakultet/Sektion Faculty Laitos Institution Department Tekijä Författare Author Työn nimi Arbetets titel Title Oppiaine Läroämne Subject Työn laji Arbetets art Level Aika Datum Month

Lisätiedot

Aerosolimittauksia ceilometrillä.

Aerosolimittauksia ceilometrillä. Aerosolimittauksia ceilometrillä. Timo Nousiainen HTB workshop 6.4. 2006. Fysikaalisten tieteiden laitos, ilmakehätieteiden osasto Projektin kuvaus Esitellyt tulokset HY:n, IL:n ja Vaisala Oyj:n yhteisestä,

Lisätiedot

Säätiedon hyödyntäminen WSP:ssä

Säätiedon hyödyntäminen WSP:ssä Säätiedon hyödyntäminen WSP:ssä Vesihuollon riskien hallinta ja monitorointi 24.-25.4.2013 Kuopio Reija Ruuhela, Henriikka Simola Ilmastokeskus 30.4.2013 Sää- ja ilmastotiedot WSP:ssä - yhteenvetona 1.

Lisätiedot

Pakkaset ja helteet muuttuvassa ilmastossa lämpötilan muutokset ja vaihtelu eri aikaskaaloissa

Pakkaset ja helteet muuttuvassa ilmastossa lämpötilan muutokset ja vaihtelu eri aikaskaaloissa Pakkaset ja helteet muuttuvassa ilmastossa lämpötilan muutokset ja vaihtelu eri aikaskaaloissa Jouni Räisänen Helsingin yliopiston fysiikan laitos Kimmo Ruosteenoja Ilmatieteen laitos Sisältöä ACCLIM-skenaariot

Lisätiedot

Johtuuko tämä ilmastonmuutoksesta? - kasvihuoneilmiön voimistuminen vaikutus sääolojen vaihteluun

Johtuuko tämä ilmastonmuutoksesta? - kasvihuoneilmiön voimistuminen vaikutus sääolojen vaihteluun Johtuuko tämä ilmastonmuutoksesta? - kasvihuoneilmiön voimistuminen vaikutus sääolojen vaihteluun Jouni Räisänen Helsingin yliopiston fysiikan laitos 15.1.2010 Vuorokauden keskilämpötila Talvi 2007-2008

Lisätiedot

Moniulotteisia todennäköisyysjakaumia

Moniulotteisia todennäköisyysjakaumia Ilkka Mellin Todennäköisyyslaskenta Osa 3: Todennäköisyysjakaumia Moniulotteisia todennäköisyysjakaumia TKK (c) Ilkka Mellin (007) 1 Moniulotteisia todennäköisyysjakaumia >> Multinomijakauma Kaksiulotteinen

Lisätiedot

Ilkka Mellin Todennäköisyyslaskenta Osa 3: Todennäköisyysjakaumia Moniulotteisia todennäköisyysjakaumia

Ilkka Mellin Todennäköisyyslaskenta Osa 3: Todennäköisyysjakaumia Moniulotteisia todennäköisyysjakaumia Ilkka Mellin Todennäköisyyslaskenta Osa 3: Todennäköisyysjakaumia Moniulotteisia todennäköisyysjakaumia TKK (c) Ilkka Mellin (006) 1 Moniulotteisia todennäköisyysjakaumia >> Multinomijakauma Kaksiulotteinen

Lisätiedot

Kojemeteorologia. Sami Haapanala syksy 2013. Fysiikan laitos, Ilmakehätieteiden osasto

Kojemeteorologia. Sami Haapanala syksy 2013. Fysiikan laitos, Ilmakehätieteiden osasto Kojemeteorologia Sami Haapanala syksy 2013 Fysiikan laitos, Ilmakehätieteiden osasto Mittalaitteiden staattiset ominaisuudet Mittalaitteita kuvaavat tunnusluvut voidaan jakaa kahteen luokkaan Staattisiin

Lisätiedot

Uusinta tietoa ilmastonmuutoksesta: luonnontieteelliset asiat

Uusinta tietoa ilmastonmuutoksesta: luonnontieteelliset asiat Uusinta tietoa ilmastonmuutoksesta: luonnontieteelliset asiat Jouni Räisänen Helsingin yliopiston fysiikan laitos 3.2.2010 Lähteitä Allison et al. (2009) The Copenhagen Diagnosis (http://www.copenhagendiagnosis.org/)

Lisätiedot

9. Tila-avaruusmallit

9. Tila-avaruusmallit 9. Tila-avaruusmallit Aikasarjan stokastinen malli ja aikasarjasta tehdyt havainnot voidaan esittää joustavassa ja monipuolisessa muodossa ns. tila-avaruusmallina. Useat aikasarjat edustavat dynaamisia

Lisätiedot

Sovellettu todennäköisyyslaskenta B

Sovellettu todennäköisyyslaskenta B Sovellettu todennäköisyyslaskenta B Antti Rasila 20. syyskuuta 2007 Antti Rasila () TodB 20. syyskuuta 2007 1 / 17 1 Kolmogorovin aksioomat σ-algebra Tapahtuman todennäköisyys 2 Satunnaismuuttujat Todennäköisyysjakauma

Lisätiedot

Väliestimointi (jatkoa) Heliövaara 1

Väliestimointi (jatkoa) Heliövaara 1 Väliestimointi (jatkoa) Heliövaara 1 Bernoulli-jakauman odotusarvon luottamusväli 1/2 Olkoon havainnot X 1,..., X n yksinkertainen satunnaisotos Bernoulli-jakaumasta parametrilla p. Eli X Bernoulli(p).

Lisätiedot

Mat Sovellettu todennäköisyyslasku A

Mat Sovellettu todennäköisyyslasku A TKK / Systeemianalyysin laboratorio Nordlund Mat-.090 Sovellettu todennäköisyyslasku A Harjoitus 7 (vko 44/003) (Aihe: odotusarvon ja varianssin ominaisuuksia, satunnaismuuttujien lineaarikombinaatioita,

Lisätiedot

Aika/Datum Month and year Kesäkuu 2012

Aika/Datum Month and year Kesäkuu 2012 Tiedekunta/Osasto Fakultet/Sektion Faculty Laitos/Institution Department Filosofian, historian, kulttuurin ja taiteiden tutkimuksen laitos Humanistinen tiedekunta Tekijä/Författare Author Veera Lahtinen

Lisätiedot

Hydrological applications

Hydrological applications Hydrological applications FMI radar and NWP data used operationally at SYKE in river models. Radar based (urban) flood research and product development with SYKE, HUT and private companies (Maa ja Vesi/Pöyry)

Lisätiedot

Paloriskin ennustaminen metsäpaloindeksin avulla

Paloriskin ennustaminen metsäpaloindeksin avulla Paloriskin ennustaminen metsäpaloindeksin avulla Ari Venäläinen, Ilari Lehtonen, Hanna Mäkelä, Andrea Understanding Vajda, Päivi Junila the ja Hilppa climate Gregow variation and change Ilmatieteen and

Lisätiedot

MS-A0502 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

MS-A0502 Todennäköisyyslaskennan ja tilastotieteen peruskurssi MS-A0502 Todennäköisyyslaskennan ja tilastotieteen peruskurssi 4A Parametrien estimointi Lasse Leskelä Matematiikan ja systeemianalyysin laitos Perustieteiden korkeakoulu Aalto-yliopisto Syksy 2016, periodi

Lisätiedot

LÄMMITYSENERGIA- JA KUSTANNUSANALYYSI 2014 AS OY PUUTARHAKATU 11-13

LÄMMITYSENERGIA- JA KUSTANNUSANALYYSI 2014 AS OY PUUTARHAKATU 11-13 LÄMMITYSENERGIA- JA KUSTANNUSANALYYSI 2014 AS OY PUUTARHAKATU 11-13 2 LÄMMITYSENERGIA- JA KUSTANNUSANALYYSI 2014 Yhtiössä otettiin käyttöön lämmön talteenottojärjestelmä (LTO) vuoden 2013 aikana. LTO-järjestelmää

Lisätiedot

arvostelija OSDA ja UDDI palveluhakemistoina.

arvostelija OSDA ja UDDI palveluhakemistoina. Hyväksymispäivä Arvosana arvostelija OSDA ja UDDI palveluhakemistoina. HELSINGIN YLIOPISTO HELSINGFORS UNIVERSITET UNIVERSITY OF HELSINKI Tiedekunta/Osasto Fakultet/Sektion Faculty/Section Laitos Institution

Lisätiedot

1 JOHDANTO 3 2 LÄHTÖTIEDOT JA MENETELMÄT 4

1 JOHDANTO 3 2 LÄHTÖTIEDOT JA MENETELMÄT 4 Karri Kauppila KOTKAN JA HAMINAN TUULIVOIMALOIDEN MELUMITTAUKSET 21.08.2013 Melumittausraportti 2013 SISÄLLYS 1 JOHDANTO 3 2 LÄHTÖTIEDOT JA MENETELMÄT 4 2.1 Summan mittauspisteet 4 2.2 Mäkelänkankaan mittauspisteet

Lisätiedot

Sovellettu todennäköisyyslaskenta B

Sovellettu todennäköisyyslaskenta B Sovellettu todennäköisyyslaskenta B Antti Rasila 28. syyskuuta 2007 Antti Rasila () TodB 28. syyskuuta 2007 1 / 20 1 Jatkoa diskreeteille jakaumille Negatiivinen binomijakauma Poisson-jakauma Diskreettien

Lisätiedot

Johdatus todennäköisyyslaskentaan Kertymäfunktio. TKK (c) Ilkka Mellin (2005) 1

Johdatus todennäköisyyslaskentaan Kertymäfunktio. TKK (c) Ilkka Mellin (2005) 1 Johdatus todennäköisyyslaskentaan Kertymäfunktio TKK (c) Ilkka Mellin (2005) 1 Kertymäfunktio Kertymäfunktio: Määritelmä Diskreettien jakaumien kertymäfunktiot Jatkuvien jakaumien kertymäfunktiot TKK (c)

Lisätiedot

Estimointi. Vilkkumaa / Kuusinen 1

Estimointi. Vilkkumaa / Kuusinen 1 Estimointi Vilkkumaa / Kuusinen 1 Motivointi Tilastollisessa tutkimuksessa oletetaan jonkin jakauman generoineen tutkimuksen kohteena olevaa ilmiötä koskevat havainnot Tämän mallina käytettävän todennäköisyysjakauman

Lisätiedot

Finnish climate scenarios for current CC impact studies

Finnish climate scenarios for current CC impact studies Finnish climate scenarios for current CC impact studies Kirsti Jylhä Finnish Meteorological Institute Thanks to J. Räisänen (HY), A. Venäläinen, K. Ruosteenoja, H. Tuomenvirta, T. Kilpeläinen, A. Vajda,

Lisätiedot

Virhearviointi. Fysiikassa on tärkeää tietää tulosten tarkkuus.

Virhearviointi. Fysiikassa on tärkeää tietää tulosten tarkkuus. Virhearviointi Fysiikassa on tärkeää tietää tulosten tarkkuus. Virhelajit A. Tilastolliset virheet= satunnaisvirheet, joita voi arvioida tilastollisin menetelmin B. Systemaattiset virheet = virheet, joita

Lisätiedot

Johdatus todennäköisyyslaskentaan Normaalijakaumasta johdettuja jakaumia. TKK (c) Ilkka Mellin (2005) 1

Johdatus todennäköisyyslaskentaan Normaalijakaumasta johdettuja jakaumia. TKK (c) Ilkka Mellin (2005) 1 Johdatus todennäköisyyslaskentaan Normaalijakaumasta johdettuja jakaumia TKK (c) Ilkka Mellin (2005) 1 Normaalijakaumasta johdettuja jakaumia Johdanto χ 2 -jakauma F-jakauma t-jakauma TKK (c) Ilkka Mellin

Lisätiedot

Vanhankaupunginkosken ultraäänikuvaukset Simsonar Oy Pertti Paakkolanvaara

Vanhankaupunginkosken ultraäänikuvaukset Simsonar Oy Pertti Paakkolanvaara Vanhankaupunginkosken ultraäänikuvaukset 15.7. 14.11.2014 Simsonar Oy Pertti Paakkolanvaara Avaintulokset 2500 2000 Ylös vaellus pituusluokittain: 1500 1000 500 0 35-45 cm 45-60 cm 60-70 cm >70 cm 120

Lisätiedot

Lisää Diskreettejä jakaumia Lisää Jatkuvia jakaumia Normaalijakaumasta johdettuja jakaumia

Lisää Diskreettejä jakaumia Lisää Jatkuvia jakaumia Normaalijakaumasta johdettuja jakaumia Todennäköisyyslaskenta Osa 3: Todennäköisyysjakaumia Lisää Diskreettejä jakaumia Lisää Jatkuvia jakaumia Normaalijakaumasta johdettuja jakaumia KE (2014) 1 Hypergeometrinen jakauma Hypergeometrinen jakauma

Lisätiedot

Osa 2: Otokset, otosjakaumat ja estimointi

Osa 2: Otokset, otosjakaumat ja estimointi Ilkka Mellin Tilastolliset menetelmät Osa 2: Otokset, otosjakaumat ja estimointi Estimointi TKK (c) Ilkka Mellin (2007) 1 Estimointi >> Todennäköisyysjakaumien parametrit ja niiden estimointi Hyvän estimaattorin

Lisätiedot

TAVASE OY, IMEYTYS- JA MERKKIAINEKOKEEN AIKAISEN TARKKAILUN YHTEENVETO

TAVASE OY, IMEYTYS- JA MERKKIAINEKOKEEN AIKAISEN TARKKAILUN YHTEENVETO 1 TAVASE OY, IMEYTYS- JA MERKKIAINEKOKEEN AIKAISEN TARKKAILUN YHTEENVETO 30.11.2011 1 YLEISTÄ Tavase Oy toteutti tekopohjavesihankkeen imeytys- ja merkkiainekokeen tutkimusalueellaan Syrjänharjussa Pälkäneellä.

Lisätiedot

Tilastotieteen kertaus. Vilkkumaa / Kuusinen 1

Tilastotieteen kertaus. Vilkkumaa / Kuusinen 1 Tilastotieteen kertaus Vilkkumaa / Kuusinen 1 Motivointi Reaalimaailman ilmiöihin liittyy tyypillisesti satunnaisuutta ja epävarmuutta Ilmiöihin liittyvien havaintojen ajatellaan usein olevan peräisin

Lisätiedot

pitkittäisaineistoissa

pitkittäisaineistoissa Puuttuvan tiedon käsittelystä p. 1/18 Puuttuvan tiedon käsittelystä pitkittäisaineistoissa Tapio Nummi tan@uta.fi Matematiikan, tilastotieteen ja filosofian laitos Tampereen yliopisto Puuttuvan tiedon

Lisätiedot

Estimointi. Estimointi. Estimointi: Mitä opimme? 2/4. Estimointi: Mitä opimme? 1/4. Estimointi: Mitä opimme? 3/4. Estimointi: Mitä opimme?

Estimointi. Estimointi. Estimointi: Mitä opimme? 2/4. Estimointi: Mitä opimme? 1/4. Estimointi: Mitä opimme? 3/4. Estimointi: Mitä opimme? TKK (c) Ilkka Mellin (2004) 1 Johdatus tilastotieteeseen TKK (c) Ilkka Mellin (2004) 2 Mitä opimme? 1/4 Tilastollisen tutkimuksen tavoitteena on tehdä johtopäätöksiä prosesseista, jotka generoivat reaalimaailman

Lisätiedot

Hydrologia L4 Sadanta

Hydrologia L4 Sadanta Hydrologia L4 Sadanta Sateen synty: ilmapaketin viileneminen Kuiva-adiabaattinen jäähtyminen 1 0 C/ 100 m Tiivistymiskorkeuden jälkeen enää n. 0.5 0 C/ 100 m, koska tiivistyminen tai härmistyminen vapauttaa

Lisätiedot

Harjoitus 7: NCSS - Tilastollinen analyysi

Harjoitus 7: NCSS - Tilastollinen analyysi Harjoitus 7: NCSS - Tilastollinen analyysi Mat-2.2107 Sovelletun matematiikan tietokonetyöt Syksy 2006 Mat-2.2107 Sovelletun matematiikan tietokonetyöt 1 Harjoituksen aiheita Tilastollinen testaus Testaukseen

Lisätiedot

! #! %! & #!!!!! ()) +

! #! %! & #!!!!! ()) + ! #! %! & #!!!!! ()) + Tiedekunta/Osasto Fakultet/Sektion Faculty Humanistinen tiedekunta Laitos Institution Department Taiteiden tutkimuksen laitos Tekijä Författare Author Matti Pesonen Työn nimi Arbetets

Lisätiedot

Säätilan kehitys ennen Loimaan onnettomuutta

Säätilan kehitys ennen Loimaan onnettomuutta Säätilan kehitys ennen Loimaan onnettomuutta Forecan ennuste ote klo 19 tilanteessa: Suomi -24h katsaus pe 15-la 15 Katsaus on laadittu 12:59 Kristian Roine Baltiassa oleva matalapaine tuo lumisateita

Lisätiedot

YMPÄRISTÖMELUN MITTAUSRAPORTTI

YMPÄRISTÖMELUN MITTAUSRAPORTTI Ympäristömelu Raportti PR3231 Y01 Sivu 1 (11) Plaana Oy Jorma Hämäläinen Turku 16.8.2014 YMPÄRISTÖMELUN MITTAUSRAPORTTI Mittaus 14.6.2014 Raportin vakuudeksi Jani Kankare Toimitusjohtaja, FM HELSINKI Porvoonkatu

Lisätiedot

Tilastollinen aineisto Luottamusväli

Tilastollinen aineisto Luottamusväli Tilastollinen aineisto Luottamusväli Keijo Ruotsalainen Oulun yliopisto, Teknillinen tiedekunta Matematiikan jaos Tilastollinen aineisto p.1/20 Johdanto Kokeellisessa tutkimuksessa tutkittavien suureiden

Lisätiedot

ILMANLAATU JA ENERGIA 2019 RAUMAN METSÄTEOLLISUUDEN ILMANLAADUN SEURANTA

ILMANLAATU JA ENERGIA 2019 RAUMAN METSÄTEOLLISUUDEN ILMANLAADUN SEURANTA ILMANLAATU JA ENERGIA RAUMAN METSÄTEOLLISUUDEN ILMANLAADUN SEURANTA Rikkidioksidin ja haisevien rikkiyhdisteiden pitoisuudet Rauman Sinisaaressa tammi kesäkuussa RAUMAN METSÄTEOLLISUUDEN ILMANLAADUN SEURANTA

Lisätiedot

805306A Johdatus monimuuttujamenetelmiin, 5 op

805306A Johdatus monimuuttujamenetelmiin, 5 op monimuuttujamenetelmiin, 5 op syksy 2018 Matemaattisten tieteiden laitos Lineaarinen erotteluanalyysi (LDA, Linear discriminant analysis) Erotteluanalyysin avulla pyritään muodostamaan selittävistä muuttujista

Lisätiedot

Johdatus tilastotieteeseen Estimointi. TKK (c) Ilkka Mellin (2005) 1

Johdatus tilastotieteeseen Estimointi. TKK (c) Ilkka Mellin (2005) 1 Johdatus tilastotieteeseen Estimointi TKK (c) Ilkka Mellin (2005) 1 Estimointi Todennäköisyysjakaumien parametrit ja niiden estimointi Hyvän estimaattorin ominaisuudet TKK (c) Ilkka Mellin (2005) 2 Estimointi:

Lisätiedot

Kahden laboratorion mittaustulosten vertailu

Kahden laboratorion mittaustulosten vertailu TUTKIMUSSELOSTUS NRO RTE9 (8) LIITE Kahden laboratorion mittaustulosten vertailu Sisältö Sisältö... Johdanto... Tulokset.... Lämpökynttilät..... Tuote A..... Tuote B..... Päätelmiä.... Ulkotulet.... Hautalyhdyt,

Lisätiedot

Todennäköisyyslaskun kertaus. Vilkkumaa / Kuusinen 1

Todennäköisyyslaskun kertaus. Vilkkumaa / Kuusinen 1 Todennäköisyyslaskun kertaus Vilkkumaa / Kuusinen 1 Satunnaismuuttujat ja todennäköisyysjakaumat Vilkkumaa / Kuusinen 2 Motivointi Kokeellisessa tutkimuksessa tutkittaviin ilmiöihin liittyvien havaintojen

Lisätiedot

Vaarallisia sääilmiöitä Suomessa

Vaarallisia sääilmiöitä Suomessa Vaarallisia sääilmiöitä Suomessa Pauli Jokinen Meteorologi Ilmatieteen laitos 7.5.2013 Hitaat ilmiöt Nopeat ilmiöt Helleaallot Pakkasjaksot (UV) Myrskyt Meriveden nousu Lumipyryt Rajuilmat (ukkoset) Salamointi

Lisätiedot

4. laskuharjoituskierros, vko 7, ratkaisut

4. laskuharjoituskierros, vko 7, ratkaisut 4. laskuharjoituskierros, vko 7, ratkaisut D1. Kone valmistaa kuulalaakerin kuulia, joiden halkaisija vaihtelee satunnaisesti. Halkaisijan on oltava tiettyjen rajojen sisällä, jotta kuula olisi käyttökelpoinen.

Lisätiedot

riippumattomia ja noudattavat samaa jakaumaa.

riippumattomia ja noudattavat samaa jakaumaa. 12.11.2015/1 MTTTP5, luento 12.11.2015 Luku 4 Satunnaisotos, otossuure ja otosjakauma 4.1. Satunnaisotos X 1, X 2,, X n on satunnaisotos, jos X i :t ovat riippumattomia ja noudattavat samaa jakaumaa. Sanonta

Lisätiedot

(b) Onko hyvä idea laske pinta-alan odotusarvo lähetmällä oletuksesta, että keppi katkeaa katkaisukohdan odotusarvon kohdalla?

(b) Onko hyvä idea laske pinta-alan odotusarvo lähetmällä oletuksesta, että keppi katkeaa katkaisukohdan odotusarvon kohdalla? 6.10.2006 1. Keppi, jonka pituus on m, taitetaan kahtia täysin satunnaisesti valitusta kohdasta ja muodostetaan kolmio, jonka kateetteina ovat syntyneet palaset. Kolmion pinta-ala on satunnaismuuttuja.

Lisätiedot

Sovellettu todennäköisyyslaskenta B

Sovellettu todennäköisyyslaskenta B Sovellettu todennäköisyyslaskenta B Antti Rasila 30. lokakuuta 2007 Antti Rasila () TodB 30. lokakuuta 2007 1 / 23 1 Otos ja otosjakaumat (jatkoa) Frekvenssi ja suhteellinen frekvenssi Frekvenssien odotusarvo

Lisätiedot

Koht dialogia? Organisaation toimintaympäristön teemojen hallinta dynaamisessa julkisuudessa tarkastelussa toiminta sosiaalisessa mediassa

Koht dialogia? Organisaation toimintaympäristön teemojen hallinta dynaamisessa julkisuudessa tarkastelussa toiminta sosiaalisessa mediassa Kohtdialogia? Organisaationtoimintaympäristönteemojenhallinta dynaamisessajulkisuudessatarkastelussatoiminta sosiaalisessamediassa SatuMariaPusa Helsinginyliopisto Valtiotieteellinentiedekunta Sosiaalitieteidenlaitos

Lisätiedot

TTY Mittausten koekenttä. Käyttö. Sijainti

TTY Mittausten koekenttä. Käyttö. Sijainti TTY Mittausten koekenttä Käyttö Tampereen teknillisen yliopiston mittausten koekenttä sijaitsee Tampereen teknillisen yliopiston välittömässä läheisyydessä. Koekenttä koostuu kuudesta pilaripisteestä (

Lisätiedot

Sään ja ilmaston vaihteluiden vaikutus metsäpaloihin Suomessa ja Euroopassa Understanding the climate variation and change and assessing the risks

Sään ja ilmaston vaihteluiden vaikutus metsäpaloihin Suomessa ja Euroopassa Understanding the climate variation and change and assessing the risks Sään ja ilmaston vaihteluiden vaikutus metsäpaloihin Suomessa ja Euroopassa Understanding the climate variation and change and assessing the risks Ari Venäläinen, Ilari Lehtonen, Hanna Mäkelä, Andrea Vajda,

Lisätiedot

Matematiikan kotitehtävä 2, MAA 10 Todennäköisyys ja tilastot

Matematiikan kotitehtävä 2, MAA 10 Todennäköisyys ja tilastot Matematiikan kotitehtävä 2, MAA 10 Todennäköisyys ja tilastot Sievin lukio Tehtävien ratkaisut tulee olla esim. Libre officen -writer ohjelmalla tehtyjä. Liitä vastauksiisi kuvia GeoGebrasta ja esim. TI-nSpire

Lisätiedot

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi MS-A050 Todennäköisyyslaskennan ja tilastotieteen peruskurssi B Satunnaismuuttujat ja todennäköisyysjakaumat Lasse Leskelä Matematiikan ja systeemianalyysin laitos Perustieteiden korkeakoulu Aalto-yliopisto

Lisätiedot

Motocrosspyörien melupäästömittaukset

Motocrosspyörien melupäästömittaukset Suomen Moottoriliitto ry. Juha Korhonen Jussi Kurikka-Oja Meluselvitysraportti 30.9.2014 30.9.2014 1 (8) SISÄLTÖ 1 LÄHTÖKOHDAT... 2 2 MELUPÄÄSTÖMITTAUKSET... 2 2.1 Mittausteoriaa... 2 2.2 Mittaustoiminta...

Lisätiedot

Suomen muuttuva ilmasto

Suomen muuttuva ilmasto Ilmastonmuutos ja rakentaminen Suomen muuttuva ilmasto Kirsti Jylhä Ilmatieteen laitos Ilmastonmuutoksen tutkimusyksikkö Ympäristö ja Yhdyskunta 2012 -messut Ilmastonmuutos ja paikalliset ratkaisut - mitä

Lisätiedot

Tulevaisuuden oikukkaat talvikelit ja kelitiedottaminen

Tulevaisuuden oikukkaat talvikelit ja kelitiedottaminen Ilkka Juga Tulevaisuuden oikukkaat talvikelit ja kelitiedottaminen Tiesääpäivät 2017 Esitelmän sisältöä Talvisään ominaispiirteet ja vaihtelu viime aikoina. Tulevaisuuden talvisää ja keli ilmastomallien

Lisätiedot

2. TILASTOLLINEN TESTAAMINEN...

2. TILASTOLLINEN TESTAAMINEN... !" # 1. 1. JOHDANTO... 3 2. 2. TILASTOLLINEN TESTAAMINEN... 4 2.1. T-TESTI... 4 2.2. RANDOMISAATIOTESTI... 5 3. SIMULOINTI... 6 3.1. OTOSTEN POIMINTA... 6 3.2. TESTAUS... 7 3.3. TESTIEN TULOSTEN VERTAILU...

Lisätiedot

Tuulioloista Suomen länsirannikolla

Tuulioloista Suomen länsirannikolla Tuulioloista uomen länsirannikolla Achim Drebs 1. Johdanto Tämä selvityksen tarkoitus on antaa lyhyt kuvaus tuulioloista uomen länsirannikolla Hangosta Hailuotoon. Mittauspaikkoja on valittu niin, että

Lisätiedot

Otoskoko 107 kpl. a) 27 b) 2654

Otoskoko 107 kpl. a) 27 b) 2654 1. Tietyllä koneella valmistettavien tiivisterenkaiden halkaisijan keskihajonnan tiedetään olevan 0.04 tuumaa. Kyseisellä koneella valmistettujen 100 renkaan halkaisijoiden keskiarvo oli 0.60 tuumaa. Määrää

Lisätiedot

Ilkka Mellin Todennäköisyyslaskenta. Osa 2: Satunnaismuuttujat ja todennäköisyysjakaumat. Kertymäfunktio. TKK (c) Ilkka Mellin (2007) 1

Ilkka Mellin Todennäköisyyslaskenta. Osa 2: Satunnaismuuttujat ja todennäköisyysjakaumat. Kertymäfunktio. TKK (c) Ilkka Mellin (2007) 1 Ilkka Mellin Todennäköisyyslaskenta Osa 2: Satunnaismuuttujat ja todennäköisyysjakaumat Kertymäfunktio TKK (c) Ilkka Mellin (2007) 1 Kertymäfunktio >> Kertymäfunktio: Määritelmä Diskreettien jakaumien

Lisätiedot

Mitä ilmastolle on tapahtumassa Suomessa ja globaalisti

Mitä ilmastolle on tapahtumassa Suomessa ja globaalisti Mitä ilmastolle on tapahtumassa Suomessa ja globaalisti Ilmastonmuutosviestintää Suuri osa tämän esityksen materiaaleista löytyy Ilmasto-opas.fi sivustolta: https://ilmasto-opas.fi/fi/ Mäkelä et al. (2016):

Lisätiedot

pitkittäisaineistoissa

pitkittäisaineistoissa Puuttuvan tiedon ongelma p. 1/18 Puuttuvan tiedon ongelma pitkittäisaineistoissa Tapio Nummi tan@uta.fi Matematiikan, tilastotieteen ja filosofian laitos Tampereen yliopisto mtl.uta.fi/tilasto/sekamallit/puupitkit.pdf

Lisätiedot

Otosavaruus ja todennäköisyys Otosavaruus Ë on joukko, jonka alkiot ovat kokeen tulokset Tapahtuma on otosavaruuden osajoukko

Otosavaruus ja todennäköisyys Otosavaruus Ë on joukko, jonka alkiot ovat kokeen tulokset Tapahtuma on otosavaruuden osajoukko ÌÓÒÒĐĐÓ ÝÝ ÔÖÙ ØØ Naiiveja määritelmiä Suhteellinen frekvenssi kun ilmiö toistuu Jos tehdas on valmistanut 1000000 kpl erästä tuotetta, joista 5013 ovat viallisia, niin todennäköisyys, että tuote on viallinen

Lisätiedot

Tutkimustiedonhallinnan peruskurssi

Tutkimustiedonhallinnan peruskurssi Tutkimustiedonhallinnan peruskurssi Hannu Toivonen, Marko Salmenkivi, Inkeri Verkamo hannu.toivonen, marko.salmenkivi, inkeri.verkamo@cs.helsinki.fi Helsingin yliopisto Hannu Toivonen, Marko Salmenkivi,

Lisätiedot

Rikkidioksidin ja haisevien rikkiyhdisteiden pitoisuudet tammi-kesäkuussa 2017

Rikkidioksidin ja haisevien rikkiyhdisteiden pitoisuudet tammi-kesäkuussa 2017 Asiantuntijapalvelut, Ilmanlaatu ja energia ILMANLAADUN SEURANTA RAUMAN SINISAARESSA Rikkidioksidin ja haisevien rikkiyhdisteiden pitoisuudet tammi-kesäkuussa METSÄ FIBRE OY RAUMAN TEHTAAT RAUMAN BIOVOIMA

Lisätiedot

Ilkka Mellin Todennäköisyyslaskenta. Osa 2: Satunnaismuuttujat ja todennäköisyysjakaumat. Momenttiemäfunktio ja karakteristinen funktio

Ilkka Mellin Todennäköisyyslaskenta. Osa 2: Satunnaismuuttujat ja todennäköisyysjakaumat. Momenttiemäfunktio ja karakteristinen funktio Ilkka Mellin Todennäköisyyslaskenta Osa : Satunnaismuuttujat ja todennäköisyysjakaumat Momenttiemäfunktio ja karakteristinen funktio TKK (c) Ilkka Mellin (7) 1 Momenttiemäfunktio ja karakteristinen funktio

Lisätiedot

Onnettomuusriskit eri keleillä Suomessa

Onnettomuusriskit eri keleillä Suomessa VTT TECHNICAL RESEARCH CENTRE OF FINLAND LTD Onnettomuust eri keleillä Suomessa Tiesääpäivät 6.6.2017 Fanny Malin, Ilkka Norros ja Satu Innamaa VTT Tausta VTT on tehnyt viime vuosina tutkimusta siitä,

Lisätiedot

KEKKILÄ OY JA NURMIJÄRVEN KUNTA METSÄ-TUOMELAN YMPÄRISTÖPANEELI. Kekkilä Oy ja Nurmijärven kunta. Raportti

KEKKILÄ OY JA NURMIJÄRVEN KUNTA METSÄ-TUOMELAN YMPÄRISTÖPANEELI. Kekkilä Oy ja Nurmijärven kunta. Raportti Vastaanottaja Kekkilä Oy ja Nurmijärven kunta Asiakirjatyyppi Raportti Päivämäärä 19.11.2017 Viite 82116477-001 KEKKILÄ OY JA NURMIJÄRVEN KUNTA METSÄ-TUOMELAN YMPÄRISTÖPANEELI SYYSKUU 2017 KEKKILÄ OY JA

Lisätiedot

ACCLIM II hankkeen yleisesittely

ACCLIM II hankkeen yleisesittely http://ilmatieteenlaitos.fi/acclim-hanke II hankkeen yleisesittely Ilmastonmuutosarviot ja asiantuntijapalvelu sopeutumistutkimuksia varten Kirsti Jylhä, Ilmatieteen laitos -ilmastoseminaari 8.3.211 ISTO-ohjelman

Lisätiedot

Kasvin soluhengityksessä vapautuu vesihöyryä. Vettä suodattuu maakerrosten läpi pohjavedeksi. Siirry asemalle: Ilmakehä

Kasvin soluhengityksessä vapautuu vesihöyryä. Vettä suodattuu maakerrosten läpi pohjavedeksi. Siirry asemalle: Ilmakehä Vettä suodattuu maakerrosten läpi pohjavedeksi. Pysy asemalla: Pohjois-Eurooppa Kasvin soluhengityksessä vapautuu vesihöyryä. Sadevettä valuu pintavaluntana vesistöön. Pysy asemalla: Pohjois-Eurooppa Joki

Lisätiedot

Juuri 10 Tehtävien ratkaisut Kustannusosakeyhtiö Otava päivitetty

Juuri 10 Tehtävien ratkaisut Kustannusosakeyhtiö Otava päivitetty Juuri 0 Tehtävien ratkaisut Kustannusosakeyhtiö Otava päivitetty 9..08 Kertaus K. a) Alapaineiden pienin arvo on ja suurin arvo 74, joten vaihteluväli on [, 74]. b) Alapaineiden keskiarvo on 6676870774

Lisätiedot

Endomines Oy:n Pampalon kultakult kaivoksen ympäristömeluselvitys

Endomines Oy:n Pampalon kultakult kaivoksen ympäristömeluselvitys Endomines Oy:n Pampalon kultakult kaivoksen ympäristömeluselvitys Mittausraportti_936 /2011/OP 1(8) Tilaaja: Endomines Oy Juha Reinikainen Pampalontie 11 82967 Hattu Käsittelijä: Symo Oy Olli Pärjälä 010

Lisätiedot

Mittaustulosten tilastollinen käsittely

Mittaustulosten tilastollinen käsittely Mittaustulosten tilastollinen käsittely n kertaa toistetun mittauksen tulos lasketaan aritmeettisena keskiarvona n 1 x = x i n i= 1 Mittaustuloksen hajonnasta aiheutuvaa epävarmuutta kuvaa keskiarvon keskivirhe

Lisätiedot

6.8 Erityisfunktioiden sovelluksia

6.8 Erityisfunktioiden sovelluksia 6.8 Erityisfunktioiden sovelluksia Tässä luvussa esitellään muutama esimerkki, joissa käytetään hyväksi eksponentti-, logaritmi- sekä trigonometrisia funktioita. Ensimmäinen esimerkki juontaa juurensa

Lisätiedot

9. laskuharjoituskierros, vko 12-13, ratkaisut

9. laskuharjoituskierros, vko 12-13, ratkaisut 9. laskuharjoituskierros, vko 12-13, ratkaisut D1. Olkoot X i, i = 1, 2,..., n riippumattomia, samaa eksponenttijakaumaa noudattavia satunnaismuuttujia, joiden odotusarvo E(X i = β, toisin sanoen X i :t

Lisätiedot

Dynaamiset regressiomallit

Dynaamiset regressiomallit MS-C2128 Ennustaminen ja Aikasarja-analyysi, Lauri Viitasaari Matematiikan ja systeemianalyysin laitos Perustieteiden korkeakoulu Aalto-yliopisto Syksy 2016 Tilastolliset aikasarjat voidaan jakaa kahteen

Lisätiedot

Ilmastonmuutos pähkinänkuoressa

Ilmastonmuutos pähkinänkuoressa Ilmastonmuutos pähkinänkuoressa Sami Romakkaniemi Sami.Romakkaniemi@fmi.fi Itä-Suomen ilmatieteellinen tutkimuskeskus Ilmatieteen laitos Ilmasto kuvaa säämuuttujien tilastollisia ominaisuuksia Sää kuvaa

Lisätiedot

Moniulotteisia todennäköisyysjakaumia. Moniulotteisia todennäköisyysjakaumia. Moniulotteisia todennäköisyysjakaumia: Mitä opimme?

Moniulotteisia todennäköisyysjakaumia. Moniulotteisia todennäköisyysjakaumia. Moniulotteisia todennäköisyysjakaumia: Mitä opimme? TKK (c) Ilkka Mellin (4) Moniulotteisia todennäköisyysjakaumia Johdatus todennäköisyyslaskentaan Moniulotteisia todennäköisyysjakaumia TKK (c) Ilkka Mellin (4) Moniulotteisia todennäköisyysjakaumia: Mitä

Lisätiedot

HENKILÖAUTOJEN KESKIKUORMITUS HELSINGISSÄ VUONNA 2004

HENKILÖAUTOJEN KESKIKUORMITUS HELSINGISSÄ VUONNA 2004 HENKILÖAUTOJEN KESKIKUORMITUS HELSINGISSÄ VUONNA 24 Helsingin kaupunkisuunnitteluvirasto Liikennesuunnitteluosasto Muistio 21.6.24 / Tuija Hellman 1 Johdanto Helsingin kaupunkisuunnitteluviraston liikennesuunnitteluosasto

Lisätiedot